我正在努力编写可读性更强的声明性程序所以我决定实现一个我们目前使用的简单算法。程序实施如下：
有命令和资源
每个命令可以提供和需要多个资源
算法将循环遍历所有命令，并调度它们的所有需求所提供的命令。
命令提供的所有资源现在都提供给
如果所有命令都安排好了，我们就完了
如果还有命令存在，我们就不能满足依赖关系，也不能为算法的迭代安排新的命令
所以我提出的数据日志变体看起来不错，但有两个问题：
这是错误的
我需要一个循环来读取结果
您可以找到完整的源代码here。
这取决于假设，你可以很容易地用pytest运行它。
以下测试失败：如果我们需要以前的“排名”或订单提供的资源它找不到它。我试图使follows递归，但是即使在简单的例子中也失败了。
def test_graph_multirequire():
"""Test if the resolver can handle a graph with multiple requires"""
tree = [
[('A'), ('B'), ('C'), ('D'), ('E'), ('F'), ('G'), ()],
[(), ('A'), ('B'), ('C', 'A'), ('D'), ('E'), ('F'), ('G')]
]
run_graph(tree)
def run_graph(tree):
"""Run an example"""
try:
tree_len = len(tree[0])
index = list(range(tree_len))
random.shuffle(index)
for i in index:
+ is_command(i)
for provide in tree[0][i]:
+ provides(i, provide)
for require in tree[1][i]:
+ requires(i, require)
##############################
is_root(X) <= is_command(X) & ~requires(X, Y)
follows(X, Z) <= (
provides(X, Y) & requires(Z, Y) & (X != Z)
)
order(0, X) <= is_root(X)
order(N, X) <= (N > 0) & order(N - 1, Y) & follows(Y, X)
##############################
ordered = []
try:
for x in range(tree_len):
nodes = order(x, N)
if not nodes:
break
ordered.extend([x[0] for x in nodes])
except AttributeError:
ordered = index
assert len(ordered) >= tree_len
print(ordered)
provided = set()
for command in ordered:
assert set(tree[1][command]).issubset(provided)
provided.update(tree[0][command])
finally:
pd.clear()
我的问题：
我用错工具了吗？
有谁知道综合数据日志如何操作吗？
你到底是如何解决上述问题的？
编辑：
我缺少像ALL（）和生存类（）的量词，如何在PyDATAL中表达？
最佳答案
pyDatalog（和prolog）非常适合这种问题挑战是要脱离传统的程序编程思维。您可能想在web上搜索prolog课程：pydatalog也适用许多原则。
用声明性语言编写循环涉及三个步骤：
1）定义一个谓词，其中包含循环时更改的所有变量。
在这种情况下，您需要跟踪部分计划、已生成的内容以及剩余的计划内容：
partial_plan(Planned, Produced, Todo)
例如，部分计划（[0，]，['a'，]，[1,2,3,4,5,6,7]）为真。要查找计划，您可以查询：
partial_plan([C0,C1,C2,C3,C4,C5,C6,C7], L, [])
2）描述基本（最简单）情况。在这里，起点是当所有的命令仍然需要计划。
+ partial_plan([], [], [0,1,2,3,4,5,6,7])
3）描述迭代规则在这里，您要选择一个要完成的命令，并且其需求已经产生，并将其添加到计划中：
partial_plan(Planned1, Produced1, Todo1) <= (
# find a smaller plan first
(Planned0 == Planned1[:-1]) &
partial_plan(Planned0, Produced0, Todo0) &
# pick a command to be done, reducing the list of todos,
pick(Command, Todo0, Todo1) &
# verify that it can be done with what has been produced already
subset(requirement[Command], Produced0) &
# add it to the plan
(Planned1 == Planned0 + [Command, ]) &
(Produced1 == Produced0 + result[Command])
)
我们现在必须定义在第三步中引入的谓词。
# pick
pick(Command, Todo0, Todo1) <= (
(X._in(enumerate(Todo0))) & # X has the form [index, value]
(Command == X[1]) &
(Todo1 == Todo0[:X[0]] + Todo0[X[0]+1:]) # remove the command from Todo0
)
# result and requirement are defined as logic functions,
# so that they can be used in expressions
for i in range(len(tree[0])):
result[i] = tree[0][i]
requirement[i] = tree[1][i]
子集检查L1的所有元素是否都在L2中（注意all量词）它也被定义为一个循环：
subset([], List2) <= (List2 == List2) # base case
subset(L1, L2) <= (
(0 < len(L1)) &
(L1[0]._in(L2)) & # first element in L2
subset(L1[1:], L2) # remainder is a subset of L2
)
然后必须声明上面的所有pyDatalog变量和谓词，以及“enumerate”、“result”和“requirement”函数。
注意：这尚未测试；可能需要一些小的更改。