src/test/java/ru/dmitry/montecarlo/service/MonteCarloTest.java - master - onequ1z/JavaCoursePaperTulSU

src/test/java/ru/dmitry/montecarlo/service/MonteCarloTest.java
167 строк8 KB
tayno
Добавил подробные модульные тесты для геометрии и метода Монте-Карло
04 дек 2025, 22:27
04 дек 2025, 22:2795bfd7e
package ru.dmitry.montecarlo.service;

import org.junit.jupiter.api.Test;
import ru.dmitry.montecarlo.model.MonteCarloResult;
import ru.dmitry.montecarlo.model.Point;
import ru.dmitry.montecarlo.model.Rectangle;
import ru.dmitry.montecarlo.model.TriangleGEF;

import java.util.Random;

import static org.junit.jupiter.api.Assertions.assertEquals;
import static org.junit.jupiter.api.Assertions.assertNotNull;
import static org.junit.jupiter.api.Assertions.assertTrue;

class MonteCarloTest {

    @Test
    void testEstimateAreaReturnsSaneResult() {
        // Arrange: reuse the same geometry as in App
        Point a = new Point(0.0, 0.0);
        Point b = new Point(3.0, 0.0);
        Point c = new Point(3.0, 2.0);
        Point d = new Point(0.0, 2.0);
        Rectangle rectangle = new Rectangle(a, b, c, d);

        Point g = new Point(0.0, 4.0 / 3.0);
        Point e = new Point(1.0, 2.0);
        Point f = new Point(2.0 / 3.0, 0.0);
        TriangleGEF triangle = new TriangleGEF(g, e, f);

        MonteCarlo monteCarlo = new MonteCarlo();
        long samples = 1000L;
        Random rng = new Random(12345L); // детерминированный генератор

        // Act
        MonteCarloResult result = monteCarlo.estimateArea(triangle, rectangle, samples, rng);

        // Assert basic invariants, без строгих требований к точности
        assertNotNull(result);
        assertEquals(samples, result.getSamples());
        assertTrue(result.getHits() >= 0 && result.getHits() <= samples, "количество точек должно быть от 0 до N");
        assertTrue(result.getEstimatedArea() >= 0.0 && result.getEstimatedArea() <= rectangle.area() + 1e-9,
                "предполагаемая площадь должна находиться в пределах [0, rectangle.area()]");
        assertTrue(result.getDurationMillis() >= 0, "продолжительность должна быть положительной");
        assertTrue(result.getRelativeErrorPercent() >= 0.0, "относительная погрешность должна быть неотрицательной");
    }

    @Test
    void testEstimateAreaWithZeroSamplesReturnsDefaults() {
        Point a = new Point(0.0, 0.0);
        Point b = new Point(1.0, 0.0);
        Point c = new Point(1.0, 1.0);
        Point d = new Point(0.0, 1.0);
        Rectangle rectangle = new Rectangle(a, b, c, d);

        TriangleGEF triangle = new TriangleGEF(a, b, c);

        MonteCarlo monteCarlo = new MonteCarlo();
        MonteCarloResult result = monteCarlo.estimateArea(triangle, rectangle, 0L, new Random(1L));

        assertNotNull(result);
        assertEquals(0L, result.getSamples());
        assertEquals(0L, result.getHits());
        assertEquals(0.0, result.getEstimatedArea(), 0.0);
        assertEquals(0.0, result.getRelativeErrorPercent(), 0.0);
        assertEquals(0L, result.getDurationMillis());
    }

    @Test
    void testReproducibilityWithSameSeed() {
        // Тест воспроизводимости: одинаковый seed и N должны давать одинаковые hits
        Point a = new Point(0.0, 0.0);
        Point b = new Point(10.0, 0.0);
        Point c = new Point(10.0, 10.0);
        Point d = new Point(0.0, 10.0);
        Rectangle rectangle = new Rectangle(a, b, c, d);

        Point g = new Point(0.0, 1.0);
        Point e = new Point(1.0, 1.0);
        Point f = new Point(1.0, 0.0);
        TriangleGEF triangle = new TriangleGEF(g, e, f);

        MonteCarlo monteCarlo = new MonteCarlo();
        long samples = 1000L;
        long seed = 42L;

        // Первый запуск
        Random rng1 = new Random(seed);
        MonteCarloResult result1 = monteCarlo.estimateArea(triangle, rectangle, samples, rng1);

        // Второй запуск с тем же seed
        Random rng2 = new Random(seed);
        MonteCarloResult result2 = monteCarlo.estimateArea(triangle, rectangle, samples, rng2);

        // Результаты должны быть идентичными
        assertEquals(result1.getHits(), result2.getHits(), 
                "Количество попаданий должно быть одинаковым при одинаковом seed");
        assertEquals(result1.getEstimatedArea(), result2.getEstimatedArea(), 0.0001,
                "Оценённая площадь должна быть одинаковой при одинаковом seed");
        assertEquals(result1.getRelativeErrorPercent(), result2.getRelativeErrorPercent(), 0.0001,
                "Относительная ошибка должна быть одинаковой при одинаковом seed");
    }

    @Test
    void testReproducibilityMultipleRuns() {
        // Тест воспроизводимости для нескольких запусков
        Point a = new Point(0.0, 0.0);
        Point b = new Point(5.0, 0.0);
        Point c = new Point(5.0, 5.0);
        Point d = new Point(0.0, 5.0);
        Rectangle rectangle = new Rectangle(a, b, c, d);

        Point g = new Point(0.0, 0.0);
        Point e = new Point(5.0, 0.0);
        Point f = new Point(0.0, 5.0);
        TriangleGEF triangle = new TriangleGEF(g, e, f);

        MonteCarlo monteCarlo = new MonteCarlo();
        long samples = 500L;
        long seed = 12345L;

        // Запускаем 3 раза с одинаковым seed
        long[] hits = new long[3];
        for (int i = 0; i < 3; i++) {
            Random rng = new Random(seed);
            MonteCarloResult result = monteCarlo.estimateArea(triangle, rectangle, samples, rng);
            hits[i] = result.getHits();
        }

        // Все три запуска должны дать одинаковое количество попаданий
        assertEquals(hits[0], hits[1], "Первый и второй запуск должны дать одинаковые hits");
        assertEquals(hits[1], hits[2], "Второй и третий запуск должны дать одинаковые hits");
    }

    @Test
    void testDifferentSeedsGiveDifferentResults() {
        // Тест, что разные seed дают разные результаты (с высокой вероятностью)
        Point a = new Point(0.0, 0.0);
        Point b = new Point(10.0, 0.0);
        Point c = new Point(10.0, 10.0);
        Point d = new Point(0.0, 10.0);
        Rectangle rectangle = new Rectangle(a, b, c, d);

        Point g = new Point(0.0, 4.0 / 3.0);
        Point e = new Point(1.0, 2.0);
        Point f = new Point(2.0 / 3.0, 0.0);
        TriangleGEF triangle = new TriangleGEF(g, e, f);

        MonteCarlo monteCarlo = new MonteCarlo();
        long samples = 10000L; // Достаточно большое N для статистической значимости

        Random rng1 = new Random(111L);
        MonteCarloResult result1 = monteCarlo.estimateArea(triangle, rectangle, samples, rng1);

        Random rng2 = new Random(222L);
        MonteCarloResult result2 = monteCarlo.estimateArea(triangle, rectangle, samples, rng2);

        // С высокой вероятностью результаты должны отличаться
        // (хотя теоретически могут совпасть, это крайне маловероятно)
        // Проверяем, что хотя бы одно из значений отличается
        boolean hitsDifferent = result1.getHits() != result2.getHits();
        boolean areaDifferent = Math.abs(result1.getEstimatedArea() - result2.getEstimatedArea()) > 0.0001;
        
        assertTrue(hitsDifferent || areaDifferent, 
                "Разные seed должны давать разные результаты (с высокой вероятностью)");
    }
}