Generierung lokaler Optimierungen - IPD Snelting

4 Implementierung
nicht erfüllbar 1 , sind beide Muster m und m ′ äquivalent. Ist das Ergebnis jedoch für
jedes m ′ ∈ MCand erfüllbar 2 , so ist m ein optimales Muster. Wie in Abschnitt 4.3.2
angesprochen, werden die Zeugen, also Eingabevektoren tv, die beweisen, dass m �≡ m ′
gilt, extrahiert und falls m optimal ist, in der Liste T V h(m) gespeichert (Zeile 9, 10, 16).
Listing 4.6 Erfüllbarkeitstest
1: function Erfüllbarkeitstest(m, mCand)
2: T VT mp ← CreateEmptyList ⊲ Erzeuge List für gefundene Zeugen
3: if mcand �=⊥ then
4: proof ← CreateProof(m, mcand) ⊲ Erzeuge Beweis-Instanz
5: unsat ← Solve(proof) ⊲ Beweis lösen
6: if unsat then
7: return mcand ⊲ mcand ist semantisch äquivalentes Muster
8: else
9: v ← ExtractProofVector(proof) ⊲ Zeuge extrahieren
10: InsertInto(T VT mp, v) ⊲ Zeuge zwischenspeichern
11: end if
12: end if
13:
14: T V h(m) ← GetTestvectorsByHash(h(m))
15:
16: Append(T V h(m), T VT mp) ⊲ Neue Zeugen zur Liste hinzufügen
17: return ⊥ ⊲ Kein äquivalentes Muster ⇒ m optimal
18: end function
4.4 Zusammenwirken der Komponenten
In diesem Abschnitt soll der vollständige Ablauf eines Generierungsvorgangs noch einmal
zusammengefasst werden. Anschließend folgt ein ausführliches Beispiel.
4.4.1 Ablauf
Listing 4.7 stellt den Ablauf eines Generierungsvorgangs in algorithmischer Form dar.
Die Prozedur Generate wird mit einem Wert limit aufgerufen, der die gewünschte Kostenobergrenze
für den durchzuführenden Generierungsvorgang festlegt. Zunächst werden
drei Listen RRules, MOpt und MErz erzeugt. RRules dient zur Speicherung der generierten
Regeln, MOpt beinhaltet die optimalen Muster und MErz speichert alle erzeugten
1 engl. unsatisfiable
2 engl. satisfiable
47