说到这，小编得强调一下，代码层面的问题是不会有人教你怎么去解决的，因为这些问题太具体了，一切都得靠自己来。但是吧，看着几千甚至及万行的代码，在自己搓出来的shi山之中找一个非语法层面的错误，这谈何容易！这时候大家想必更绝望了，自己找又找不出错误，别人又帮不了，那岂不是凉了？

别急，今天小编就来谈谈，怎样快速定位问题，从而对症下药，解决问题。与其坐着绝望，不如自己动手丰衣足食！当然了，对于语法错误或者配置错误导致代码无法运行的，这些根本不算错误，不在本文的讨论之列哦。

一、大致定位问题

大家首先要明确一点，错误不会凭空产生，如果结果与预期不符合，那么在整个过程中肯定存在着大大小小的错误。第一步首先是要定位问题，相信写代码的同学，在开始之前肯定会有一套理论支撑，而代码无非就是把理论落实到了机器上面，最后发现运行结果与自己预期的不一致。好了，大家想想，为什么不一致？因为从理论上来说这个结果应该是A，而代码却给出了B。现在，大家记住这句话，因为我们下面的找错过程都是基于这句话进行的。

从理论推导到代码落地，出现问题的大范围一般有以下几个地方：

a. 输入错误

如果算法提示找不到可行解，那么是不是数据设计的有问题，需要检查一下。这个比较简单。

b. 理论上的错误

你的理论推导不正确，这是最根源的错误。没啥好说的，赶紧去修正理论。那么怎样判断是理论上的错误呢？很简单，你把代码中跑的数据，给手动模拟一遍，如果你坚信理论是正确的话，那么你手工模拟的结果应该也是在预期之内的。如果不是的话，那很有可能就是理论出现了问题。tip：手动模拟数据量不要太大，不然累死你。

c. 代码逻辑出现了错误

这是最常见的，也是最棘手的错误，毕竟咱们都是咱在巨人肩膀上做的研究（大部分理论前人已经给我们证明好了），没见过猪跑，总吃过猪肉，理论上出错的可能性还是比较小的。而并非每个人都是代码老司机，秋名山码神，大多数都是刚入行的新手，稍不留心写漏一个else导致逻辑错误也是大大有可能的。

这方面的原因判断也不麻烦，如果你做了上一步的手工模拟以后，发现手工模拟的结果和理论预期是一致的，那么很大概率是代码的锅。

二、找出问题所在

定位问题是解决问题的第一步，我见过很多人遇到问题，居然原因都不找就坐在屏幕前绝望的。作为科研人，这是非常不可取的，我们要有迎难而上的决心和courage，只要思想不滑坡，办法总比困难多嘛……

对于理论上的问题，基本上你手工模拟一遍以后就能发现那个地方不合理，那么修正一下模型或者推导就行了，比如哪里推导错了一个小数点等等。这个就是根据你做的主题以及个人一些科研经验来修复了，小编也没啥经验。

而对于代码逻辑上的问题，那就是咱们今天要讲的重点了。最有效也是最简单粗暴的做法就是debug！当然这个概念太广了，针对不同的方向有一套不同的法子，比如算法、开发等。小编就着这个运筹算法这个方向的两大类算法（启发式和精确解）给大家介绍一下一些debug的思路。

首先无论是对于什么算法，在初版完成以后，第一件要做的事情是写一个check的程序。这个程序有什么作用呢？第一，检查得出结果中是否所有约束都满足了。如果存在着某个约束没有得到满足，那么你就可以去找找相应的约束处理代码，看看到底是哪里没做到位。第二，根据得出来的解，重新把目标值从头到尾，从上到下，从左到右再算一遍，然后检查重新算的目标值和算法得出来的目标值是否相同。如果不同，那么可能是你目标值的计算出现了问题。

而目标值计算出错这种类型的错误在启发式算法中非常常见，为什么呢？大家可以看看我之前讲过了几期推文：

如何实现一个高效的启发式算法？

如何实现一个高效的启发式算法？（VRPTW篇）

为了能够实现比较快速评估邻居解，我们很有必要在启发式中记录大量的Delta值，以减少冗余的计算，加快算法的求解速度。如果目标值过于复杂，记录的Delta值过多，难免会出错。最后导致目标值偏离了真实的目标值。因此最后重新验算目标值能够确保启发式算法的结果无误。

而且，对于一个启发式而言，得出的解满足约束，目标值又正确，那么就已经能算没有“错误”了，至于如何提高解的质量……请大家多关注公众号哈。

对于精确式算法而言，它的代码实现是和你的理论推导紧密联系的。不启发式那一套达到相同功能随便怎么来都行，要是你的数学推导搞错了一个小数点，那么就恭喜你，可能要debug上一年了。。。

其实像约束不满足这种错误精确式算法里面还是比较好解决的，而这类算法最麻烦的一个地方是，精确式跑出来的居然不是最优解（通过和CPLEX结果进行对比得知）！

这就比较绝望了，你说你出个bug，比如目标值没算对，或者是约束没做好，或许还能抢救下。你这下直接找不到最优解，茫茫shi山，错误要我从何找起？别急！还没到山穷水尽的地步。

首先，我们从精确算法的本质入手，它的本质是什么？穷举！对，就是穷举，只不过它在穷举的同时，会使用一些dominance rules把一些比较差的分支给干掉，这样在保证最优性的同时又能以比较快的速度找到最优解。那么，我们就顺着这个思路，相比大家的代码中肯定设置了一些dominance rules用来加速的。那么，先把dominance rules给注释掉，或者让他永远返回False，就是不会干掉任何一个解。就相当于full extension，全遍历了。这样是一定能找到最优解的，如果找到了，那么问题简单了，就是dominance rules出了问题。

如果还是没找到。。。那么恭喜你，问题又变复杂了。现在，让我们喝杯茶思考下人生，再想想还有什么办法。这个时候就很有必要上终极大法了--逆向调试法！没错，我们之前不是通过CPLEX得出了问题的最优解吗？（前提是你CPLEX的结果一定要正确，把模型构建出来并调正确，这个应该不是很难吧~）。我们通过观察CPLEX得出的最优解，然后逆向回来看算法的执行流程，仔细想想，为什么我们算法没有得出这个最优解呢？

然后你就回到算法中，看看是哪个部分和解的生成最接近，从那里开始一层一层往上调试。比如再branch and price求解vrp类问题中，CPLEX得出的一条路径中有0-1-2-3-4，而branch and price输出的最优解却没有这个路径。大家想想，在bp算法中路径是通过子问题的labeling algorithm加进去的，我们先在spprc中把每次迭代找到的路径全部输出来，看看是否包含了0-1-2-3-4。如果没有包含，那么就断定是spprc的问题，如果包含了，就想想是不是branch干掉了。。。

不信给大家看一下，为了找出我的labeling中为啥没有找出这条最优解的路径，我在扩展过程中写了如下调试代码：

可真是人肉调试了，不可谓不壮观。。。

三、小结

总之，debug是一门大学问，它的中心思想是定位问题的所在，才能对症下药。定位的过程也应当是先从大到小，再从内到外。所谓从大到小，先大概定位一下错误可能出现在了哪些地方，然后再从内部一层一层往外验证。

这个确实是需要经验，而且需要大量的时间。调试本身也是发现问题，解决问题，偶然的时候还能发现理论上的一些致命错误。因此是一门体力兼脑力活。每次有人问我，代码出现了逻辑上的错误该怎么办？我的回复往往只有一句话：System.out.println()；因为这个真的很有用！！！

然后，建议大家不要去看代码，要去System.out.println()；即不断的输出，通过输出来发现问题。因为你自己写的代码，写完以后你就给大脑灌输了我的代码一定是对的这种想法，无论你看10遍还是100遍，基本上都很难发现问题。而且代码量这么大，你从头到尾看得过来吗？

每次遇到问题的时候，我思考的不是怎么去解决这个问题，而是怎么去debug这个问题，即：我要输出什么信息，在哪里输出，才能定位到这个问题？想好以后便开始debug了。找出了问题，才能去修复它！所以呀，大家遇到问题一定要立刻马上right now动起来，手动起来，眼动起来，脑瓜子动起来。不然，坐着什么也不干，把他丢在一边，久而久之，这个问题就成了历史遗留问题。若干天后你就再也不想碰他了，这样就前功尽弃了。。。

不过，小编实在是太笨了，本来想把这些方法好好给写一写，后来写着写着就乱起来了，因此大家也就将就着看一看吧。毕竟这东西吧，只可意会不可言传。每个人都有自己的一些经验和法则，小编只是把自己的一些经验分享出来而已。