Generierung lokaler Optimierungen - IPD Snelting

4 Implementierung
Für die Durchführung bestehen unterschiedliche Möglichkeiten, die sich im Zeitpunkt
der Ausführung, sowie in der Zusammensetzung der Testvektoren unterscheiden.
Variante 1
Für jeden Vergleich zwischen einem neu erzeugten Muster m und einem bestehenden optimalen
Muster m ′ werden die Ergebnisse neu berechnet und verglichen (vgl. Listing 4.2).
Dies hat den Vorteil, dass keine Ergebnisse zwischengespeichert werden müssen, allerdings
auch den Nachteil, dass die Berechnung der Ergebnisse für bereits bekannte Muster
ständig wiederholt wird. Da die Ergebnisse für jeden Vergleich neu bestimmt werden,
besteht bei dieser Variante die Möglichkeit, die Testvektoren bei jedem Vergleich zu
variieren.
Listing 4.2 Vorabtest – Variante 1
1: function Vorabtest1(m, MOpt)
2: MCand ← CreateEmptyList() ⊲ Liste für Erfüllbarkeitstest Kandidaten
3: T V ← GetTestvectors() ⊲ Liste der Testvektoren
4:
5: for all m ′ ∈ MOpt do
6: equal ← true
7: for all t ∈ T V do
8: if Result(m, t) �= Result(m ′ , t) then ⊲ Ergebnisse unterschiedlich?
9: equal ← false ⊲ ⇒ m ′ kein Kandidat
10: break
11: end if
12: end for
13: if equal then
14: StorePatternInto(MCand, m ′ ) ⊲ m ′ ist Kandidat
15: end if
16: end for
17:
18: return MCand
19: end function
Variante 2
Eine weitere Möglichkeit zeigt Listing 4.3. Die Idee dieser Variante besteht darin, die
Ergebnisse für jedes neu erzeugte Muster m nur einmal zu berechnen und anschließend
zu speichern (Zeile 6–11), so dass sie für spätere Vergleiche immer wieder verwendet werden
können (Zeile 17). Dies spart Rechenzeit, benötigt jedoch Speicher. Zudem müssen
die Testvektoren zu Beginn des Generierungsvorgangs festgelegt sein und können dann
40