毕设1
所做的是个用遗传算法优化网络流量的问题,既然要优化网络流量,对网络建模肯定是首当其冲的。
建模的是个bcube网络,是云计算中心中比较热的网络结构,具体的可以参照scholar.google.com
为了节省空间,我一度想采用uint8作为数据类型,因为数据量比较大,我自己以为这样处理的时间会比较短,但是用tic toc计时后,double类型反而在运算的时候更快。
arryfun可以从一个矩阵中批量执行指定的函数。
在最后我终于还是放弃了matlab,因为这次的课题目标是速度,matlab实在太慢了,并且灵活度太低,想要整出个自定义的数据结构,或者自由的多线程,都很难(可能是我对matlab还不够熟悉所致)。
相比之下,C++作为瑞士军刀,可大可小,大有STL库作支持,小则可对内存每个字节作操作,写出来其实也不慢。并且GA算法完全可以并行化,采用C++并行之后大幅度提高速度。matlab虽然有parfor,但是挺蛋疼的,限制太多。
因为课题的关键是速度,计时是必须的,为了能够方便的计时,模仿matlab写了tic和toc
LARGE_INTEGER litmp; LONGLONG QPart1,QPart2; double dfFreq; QueryPerformanceFrequency(&litmp); dfFreq = (double)litmp.QuadPart; #define tic\ QueryPerformanceCounter(&litmp);\ QPart1 = litmp.QuadPart #define toc\ QueryPerformanceCounter(&litmp);\ QPart2=litmp.QuadPart;\ std::cout<<(QPart2-QPart1)/dfFreq<<std::endl
这样tic; fun(); toc;就能计算出时间来。
在多线程上,采用了std::thread类,据说这个类不太安全,大多推荐boost库中的thread。但是GA中的多线程,不同线程之间完全分开,没有公共内存区域,不需要上锁,不涉及安全问题,简单起见就用std::thread即可。
std::thread t[TotalThreads]; for(int i=0;i<TotalThreads;++i) t[i]=std::thread(Eval2,i); for(int i=0;i<TotalThreads;++i) t[i].join();
就简单暴力的启动线程,然后等待线程结束。
在洗牌和排序算法中,强大的STL库提供了支持,分别是std::sort和std::random_shuffle
这里值得一提的是random_shuffle的效率并不高,在matlab中作同样的shuffle需要0.6秒,而C++中需要1.6秒。在本项目中影响并不大,否则要考虑重写。
先写到这里