页面置换算法模拟设计（FIFO、OPT、LRU、LFU） - Python 实现

😋 发布且更更新于个人小破站：进去瞅瞅

这篇文章侧重于实践部分，对于四个页面置换算法的概念描述一笔带过，不太清楚的可以先从课本上读一读相关概念，之后结合代码来理解。全文的叙事逻辑是从「代码撰写」的先后顺序展开的，先实现基础的功能，之后搭建整个算法的框架，然后实现并测试算法的核心功能，最后对结果进行分析以及思考。

1. 产生一个指令序列

实验要求以及实施办法

为了用来比较各个算法的优劣以及测试算法的准确度，需要首先创建出来一个指令序列，对于指令序列的要求如下：

• 50% 的指令是顺序执行的；
• 25% 的指令是均匀分布在前地址部分；
• 25% 的指令是均匀分布在后地址部分；

具体的实现的时候也是有一定的套路而言的：

1. 在 [0，319] 的指令地址之间随机选取一起点 m；
2. 顺序执行一条指令，即执行地址为 m+1 的指令；
3. 在前地址 [0，m+1] 中随机选取一条指令并执行，该指令的地址为 m’；
4. 顺序执行一条指令，地址为 m’+1 的指令
5. 在后地址 [m’+2，319] 中随机选取一条指令并执行；
6. 重复上述步骤 2~ 5，直到执行 320 次指令

上面的所有区间都是左闭右开的

指令序列的实现原理

从上面的步骤中可以看出，步骤 2 执行的指令相对于上一条指令是「顺序执行」，步骤 3 执行的指令相对于步骤 2 的 m+1 是「前地址」的指令，步骤 4 执行的指令相对于步骤 3 的 m‘ 是「顺序执行」，步骤 5 相对于步骤 4 的指令 m’+1 是「后地址」指令。

这里需要注意的是，在循环进行的时候，步骤 5 会产生一个新的 m 并执行，这样下一轮循环的步骤 2 就会在新的 m 后顺序执行，也就是执行 m+1 处的指令。下图中的箭头表示两个指令的先后关系。如：2 相对于 1 是顺序执行，3 相对于 2 是前地址指令。

这样在每次循环中会执行 4 条指令，其中 2 条是顺序执行，1 条是前地址部分，1 条是后地址部分，完美符合要求。

实现 320 条指令

根据上面的原理，编写代码：

def produceAddstream():
    instruct = []
    m = np.random.randint(0, 319)
    # 每次循环生成 4 条，所以需要循环 80 次
    for i in range(80):
        instruct.append(m+1) # 顺序
        n = np.random.randint(0, m+1)
        instruct.append(n)   # 前地址
        instruct.append(n+1) # 顺序
        m = np.random.randint(n+2, 319)
        instruct.append(m)   # 后地址
    return instruct

同样，在写算法的过程中，这些随机变量虽然能够看到最终的效果，但是在调试的时候我们难以准确的知道自己算法的准确性，所以我还根据书本上的例子给出了一份测试数据（共计 20 条指令）；

return [70, 0, 10, 20, 0, 30, 0, 40, 20, 30, 0, 30, 20, 10, 20, 0, 10, 70, 0, 10]

2. 算法整体思路

虚存的大小以及存放方式

假定页面大小为 1k，「用户虚存」容量为 32k，「用户内存容量」为 4 页到 32 页。在用户虚存中，按每 k 存放 10 条指令排列虚存地址，即 320 条指令在虚存中的存放方式为：

第 0 条 ~ 第 9 条指令为第 0 页（对应虚存地址为 [0，9]）；

第 10 条 ~ 第 19 条指令为第 1 页（对应虚存地址为 [10，19]）；

……

第 310 条 ~ 第 319 条指令为第 31 页（对应虚存地址为 [310，319]）；

按以上方式，用户指令可组成 32 页。

所以可以直接使用 「指令 // 10」的方法来得到指令所在的页数；

对命中率的判定

使用「命中的次数」除以「指令的总数」来表示命中率，其中命中的意思是指当访问某个指令的时候，正好该指令对应的页在「用户内存」中；

程序一开始，创建 320 条指令，然后对于用户内存容量在 4 - 32 中的每一种情况下，测试四种算法（ 最佳置换算法「OPT」、先进先出算法「IFO」、最近最久未使用页面置换「LRU」、最少使用页面淘汰算法「LFU 」）的命中率，最终绘制成图来展示；

def main(