simulink中if模块_Simulink与圈复杂度

若干年以后，由于转行或者不再做技术等原因，你可能已经记不太清楚之前费尽千辛万苦习得的各种技术细节；但是，最终你会发现：依然有很多宝贵的概念留存并沉淀于脑海深处(比如中学课本中的某些物理概念)。

今天来一起了解下：基于模型开发中，一个非常重要的概念---圈复杂度。

1，圈复杂度

simulink官方文档定义如下：

读起来，会不会有点懵圈呢？

没关系。后面会逐步进行解释。

首先圈复杂度可以用来衡量单元模型的结构复杂程度。

圈复杂度越高，说明模型越复杂，可测性就越差，那么相对来说也更容易出问题。

如果你设计过相对复杂的逻辑，可能体会更加深刻一些，因为它真的容易出错啊。

因此，这也给我们一些警示：

作为软件架构工程师，需要合理划分软件单元。不能让某个单元过于复杂，以至于难以测试。

作为模型开发者，应该尽量使用更简洁的方式搭建或者表达模型（别忘了美国程序员因无法忍受同事代码不规范而枪杀4名同事的疯狂事迹）。这就需要在软件需求分析方面多下功夫：用心解读软件需求，并弄清楚其内在的逻辑性和关联性。

2，Simulink如何计算圈复杂度？

那么simulink中，圈复杂度是如何计算的呢？

按Fig1 中定义的公式：

其中N代表判定分支节点的个数，

代表第n个分支节点可能的输出结果数目。

需要指出，if else 、switch case 、 for/while循环等，都属于一个判定分支节点。

2.1,switch模块

对于该子系统，只存在一个判定节点，即switch模块（其生成代码后就是一个if else语句呀），且该模块输出只有两种可能，即true or false。

因此圈复杂度为：

覆盖度报告中给出的圈复杂度结果也为1，如下图：

可以看出，simulink计算的圈复杂度和圈复杂度原始的概念定义存在一些差别。

维基百科：圈复杂度由Thomas J. McCabe, Sr.于1976年提出。圈复杂度大小可以表示为判定分支节点数目加1。按照这个原始定义的话，switch模块的圈复杂度应该为1+1=2。注意这点区分就行了。

2.2,Multiport Switch模块

对于该子系统，只存在一个判定分支模块，即MultiportSwitch模块（生成代码后就是switch case语句呀），而且这个分支模块输出只有4种可能，即inport2,inport3,inport4或inport5。

圈复杂度为：

和覆盖度报告中提供的结果相等，如下图：

2.3,stateflow流程图

可将for循环看作一个判定模块，共有三个判定分支模块，每个判定节点均有两种结果(true or false)。

覆盖度报告中的计算结果如下图，和上述计算结果相同：

那为什么stateflow内部逻辑的圈复杂度结果为3，而整个stateflow子系统的结果却为4呢？

见圈复杂度定义Fig1：对于stateflow模块或者原子子系统，需要额外加1。

那么，Fig 8中模型的圈复杂度为多少呢？

有人认为，它是3，其实也不错，这是由原始的圈复杂度定义所得出的结果。

simulink却定义它仍然是1，如下图：

这也是simulink中的圈复杂度定义与已有圈复杂度定义的区别之处：simulink中，它仅仅和判定分支覆盖(Decision)概念相对应，和条件覆盖(Condition)没有必然联系。

至于Decision/Condition/MCDC覆盖之间的区别，我们后面再讨论。

3，降低圈复杂度

好了，说了这么多，目的不就是想降低圈复杂度吗？

该如何做呢？

我这里仅仅举一个简单的例子，以抛砖引玉。如果大家有好想法(可以降低圈复杂度)，欢迎评论区讨论。

由前述分析可知：如果能降低判定分支数目，那么也就能降低圈复杂度。

举例如下。

Simulink模型为：

case合并前的逻辑为：

function out = unmerge(input)
switch(input)
    case 1
        out=2;
    case 2
        out=4;
    case 3
        out=6;
    case 4
        out=10;
    otherwise
        out=100;
end

case合并后的逻辑为：

function out = merge(input)
switch(input)
    case {1,2,3}
        out=input*2;
    case 4
        out=10;
    otherwise
        out=100;
end

执行仿真，获得case合并前后的圈复杂度及判定覆盖度(分支覆盖度)对比结果，如下图：

可知，合并case后，圈复杂度从6降低为4，基于同样的测试案例输入（见下图），合并后的matlab function 判定覆盖度已经达到100%；而未执行合并的判定覆盖度仅为67%，需要提供更多的测试输入才能达到100%覆盖。

可知，圈复杂度降低，使得逻辑更加简洁的同时，也可以提高测试效率(让测试更简单)！！！

不足之处，希望大佬们不吝指出。

如果本篇文章对你有些帮助或者启发，记得点赞哦。

你也可以关注我的公众号：土人很土。

参考文献：

1，matlab官方帮助文档

2，圈复杂度原理和实践