告别手工造数据：Polygon脚本化测试点生成实战指南

每次为编程竞赛题目手工构造测试数据时，你是否经历过这些崩溃瞬间？精心设计的边界案例漏掉关键参数组合，反复修改输入格式时不小心引入空格错误，或是为了覆盖所有特殊情况不得不复制粘贴几十个相似文件。更糟糕的是，当选手提交的代码通过了你手工准备的20组测试却在实际运行中崩溃时，那种挫败感足以让任何出题人怀疑人生。

Polygon平台提供的自动化测试生成方案，正是为解决这些痛点而生。作为Codeforces官方推荐的出题系统，它集成了testlib.h库和完整的脚本化工作流，允许出题人用代码定义数据生成规则，一键批量产生数百组结构化的测试案例。下面我们将从实战角度，拆解如何用Polygon+脚本组合拳实现测试数据的工业化生产。

1. 构建自动化生成的基础设施

1.1 初始化Polygon题目环境

在Polygon创建新题目时，系统会自动生成标准目录结构：

code复制problem/
├── statements/        # 题目描述文档
├── solutions/         # 标程与备用解法  
├── tests/             # 测试数据目录
└── files/             # 生成器脚本等资源文件

关键配置项在General Info标签页：

• 时间限制：建议设置为标程运行时间的3-5倍
• 内存限制：通常64MB-256MB区间足够
• 输入输出：明确文件IO还是标准IO

提示：在Files标签页的Resource Files区域，系统已预置testlib.h库文件，无需额外上传

1.2 编写基于testlib的数据生成器

testlib.h提供的随机数生成器具有可复现特性，这是自动化测试的核心保障。典型生成器模板如下：

cpp复制#include "testlib.h"
#include <vector>
using namespace std;

int main(int argc, char* argv[]) {
    registerGen(argc, argv, 1); // 初始化随机种子
    
    int n = opt<int>("n");      // 获取命令行参数
    int max_val = opt<int>("max", 1000); // 带默认值的参数
    
    printf("%d\n", n);
    vector<int> arr = rnd.perm(n, 1); // 生成1-n的随机排列
    for(int x : arr) {
        printf("%d ", rnd.next(1, max_val)); // 生成区间随机数
    }
}

常用随机生成方法对比：

1.3 配置多组测试参数

在Tests标签页使用脚本批量调用生成器：

bash复制# 生成10组随机测试
for i in {1..10}; do
    ./generator -n 100 -max 1000000 > $i
done

# 生成极端情况测试
./generator -n 1 -max 1 > corner1
./generator -n 100000 -max 1 > corner2

2. 高级测试数据生成策略

2.1 组合式数据生成技术

单一生成器往往难以覆盖复杂场景，可采用多阶段生成模式：

1. 基础数据层：生成原始数据结构

   cpp复制vector<pair<int,int>> edges;
   for(int i=2; i<=n; i++) {
       edges.emplace_back(rnd.next(1,i-1), i);
   }
   

2. 变换层：添加噪声或特殊构造

   cpp复制// 随机打乱边顺序
   shuffle(edges.begin(), edges.end());
   // 添加重边
   for(int i=0; i<5; i++) {
       edges.push_back(edges[rnd.next(0,edges.size()-1)]);
   }
   

3. 格式化层：统一输出样式

   cpp复制printf("%d %d\n", n, m);
   for(auto [u,v] : edges) {
       printf("%d %d\n", u, v);
   }
   

2.2 基于约束的测试生成

对于需要满足特定条件的测试数据（如连通图、合法括号序列等），可采用拒绝采样法：

cpp复制string gen_balanced_parentheses(int len) {
    string s;
    do {
        s = rnd.next("[()]{" + to_string(len) + "}");
    } while(!is_balanced(s)); // 直到生成合法序列
    return s;
}

常见约束条件实现方案：

2.3 对抗性测试生成

针对常见作弊手段设计特殊测试：

• 整数溢出陷阱：

  cpp复制printf("%d %d\n", INT_MAX, rnd.next(1,100));
  

• 浮点精度陷阱：

  cpp复制double a = 0.1 * rnd.next(1,9);
  double b = 0.1 * rnd.next(1,9);
  printf("%.15f %.15f\n", a, b);
  

• 哈希碰撞测试：

  cpp复制for(int i=0; i<n; i++) {
      printf("%d ", BASE + i*MOD); // 构造哈希冲突
  }
  

3. 自动化验证与质量保障

3.1 Invocations自动化测试

Polygon的Invocations功能可以自动验证：

• 标程在所有测试点的运行时间
• 内存消耗是否超标
• 是否发生运行时错误

典型问题排查流程：

1. 发现某个测试点标程TLE
2. 检查生成器参数是否合理
3. 使用stress模式复现问题：

   bash复制while true; do
       ./generator > input
       ./solution < input > output
       time ./solution < input
   done
   

3.2 测试覆盖率分析

通过脚本统计测试数据特征：

python复制# 分析生成的测试数据特征
def analyze_tests(test_files):
    stats = []
    for file in test_files:
        with open(file) as f:
            data = f.read()
            stats.append({
                'size': len(data),
                'num_count': sum(c.isdigit() for c in data),
                'line_count': data.count('\n')
            })
    return pd.DataFrame(stats)

关键指标监控：

• 输入数据大小分布
• 数值范围分布
• 特殊字符出现频率
• 边界条件覆盖率

3.3 版本控制与协作

Polygon内置的版本管理系统支持：

bash复制# 查看修改历史
polygon-cli changes list PROBLEM_ID

# 回退到指定版本
polygon-cli changes revert PROBLEM_ID VERSION

# 合并多人修改
polygon-cli changes merge PROBLEM_ID BRANCH_NAME

4. 实战：构造图论题完整测试集

假设我们需要为一道最短路径题目生成测试数据，要求：

• 20%小规模稀疏图（n≤100）
• 50%中等规模随机图（n≤10000）
• 30%大规模特殊构造（n≤100000）
• 包含负权边但不含负环

4.1 分层生成器配置

cpp复制// generator_group1.cpp (小规模)
int n = rnd.next(10, 100);
int m = rnd.next(n-1, n*(n-1)/4);
generate_graph(n, m, -10, 100);

// generator_group2.cpp (中等规模)
int n = rnd.next(5000, 10000);
int m = rnd.next(2*n, 5*n);
generate_graph(n, m, -100, 1000);

// generator_group3.cpp (特殊构造)
int n = 100000;
generate_grid_graph(n, -500, 500); // 网格图特殊构造

4.2 自动化验证脚本

python复制# validate_test.py
import subprocess

def validate_graph(test_file):
    result = subprocess.run(
        ['./validator'], 
        stdin=open(test_file),
        capture_output=True
    )
    return result.returncode == 0

# 批量验证所有测试数据
for test in tests:
    if not validate_graph(test):
        print(f"Invalid test: {test}")
        os.remove(test)

4.3 性能基准测试

使用不同解法验证时间限制设置的合理性：

在Polygon上实际测试时，发现当n=1e5时SPFA在约30%情况下会超时，因此最终将时间限制设为2秒，确保标程的Dijkstra实现能稳定通过。