蚁群算法在验证用例自动化回归中的应用有哪些

背景：如今的芯片规模越来越大，功能也愈加复杂。相应的验证用例也越来越复杂，用例动态仿真耗时也随之增加，而且个数有时动辄上百个。

在验证回归过程中，如何提高效率成为广大验证工程师不得不考虑的问题。

本文尝试在验证工作中，通过蚁群算法优化用例回归序列，尽量缩短回归时间，同时提高用例回归的自动化程度。

（一）问题描述

假设当前有108个用例需要回归，并且我们有先前用例仿真的日志文件：日志文件中有该用例仿真的耗时信息。

按照传统做法，我们可能首先打开十多个terminal（比如15个），平均每个terminal分配若干用例（比如7个），根据用例名的字典序回归用例。

在大多数情况下，会有个别terminal中分配的用例很快或较快的回归完，而其余几个terminal时间却又很长，迟迟不能完成，时间最长的那个terminal决定了一次回归所用的总时间。

那么，是否可以找到更好的回归队列分配给各个terminal， ***使得回归总时间最短*** ？

（二）问题转化

现在，问题就可以转化为：108个耗时不等的任务，分配给15个并行队列，求15个队列的任务序列组合，使得15个队列的总耗时最小；这个任务分配问题可以进一步引申为**负载调度**问题，108个任务分配给15台性能各异（或同等）的服务器。

上面是从时间角度进行的问题转化，也可以从空间角度考虑，把用例耗时对应空间大小，把问题转化为 **存储问题** ，本文暂不研究。

（三）问题解决

我们参考作者的JavaScript代码，考虑用perl实现算法的核心代码。具体步骤如下：

1）提取时间信息：即从仿真日志里提取时间信息，分两步①粗提取，这个使用shell命令即可，可以放到makefile中；②准确提取，在刚刚的makefile中调用perl脚本，在perl脚本中利用perl强大的文本处理能力提取准确的时间信息，存入一个哈希%Case_hash（键-用例名，值-用例对应的时间）中。

2）蚁群算法的perl实现：除了刚刚得到的哈希数组%Case_hash，我们还要给定队列数目QueneNum，这是蚁群算法的输入。同时，蚁群算法还涉及蚂蚁数量AntNum，迭代次数ItNum，随机因子等参数，参考文献[1]中有详细说明，这里不再赘述。 最终，蚁群算法会得到最优的任务分配矩阵，我们通过这个矩阵就可以知道每个队列分配了那几个用例。

3）回归队列生成：得到用例回归队列后，将这些队列以target形式写入新的makefile中（sub_makefile，在主makefile中include这个sub_makefile）。

4）自动回归：刚刚生成了sub_makefile，我们再新建一个脚本，实现“自动打开指定个数terminal，在每个terminal自动输入相应回归命令（make）即可”。

（四）问题的问题

在perl实现蚁群算法时，矩阵的处理可能会稍微麻烦一些，这里使用了哈希嵌套的做法[2]。

另外，在实际应用中，蚁群算法有以下问题①在有限迭代次数内，算法不收敛；②算法收敛，但得到的最优解是**局部最优解**，非全局最优解。局部最优解是传统蚁群算法的缺点之一。实际使用时可以折衷考虑，适当 *增大迭代次数* ，同时提高蚁群的 *随机性* ，在有限的迭代次数内*持续搜寻最短时间的任务分配方案。*

审核编辑：刘清