Cpp 语言

提出一种高精度延迟函数的实现，欢迎交流

0
1 year ago
by 朱文昊 Albert Zhu in

在Windows系统下，需要延迟一定的时间后继续流程，貌似缺乏这种库函数，MFC提供的延迟函数似乎本质精度无法保证。比如Sleep。在下面提出一种方法，请大家斧正。当然先提出一点，有人认为在Windows系统先不可能获得准确定时，或者把系统挂起来延迟等待不符合多线程编程规范。是的，谢谢您的提醒，但这个讨论中大家就不要再重复这样的观点啦。我们的确需要精确定时，即使我把系统完全占用也在所不惜。不就是几十毫秒嘛 :)

View Code CPP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69

// 高精度延迟函数 【开发草稿】 Rev 0.01
/* 注：MSDN中提到的以下问题，本版本程序并未处理！！
On a multiprocessor computer, it should not matter which processor is called. 
However, you can get different results on different processors due to bugs 
in the basic input/output system (BIOS) or the hardware abstraction layer (HAL).
To specify processor affinity for a thread, use the SetThreadAffinityMask function. 
*/
int DelayPrecision(int TimeInMilliSecond)
{
    LARGE_INTEGER Frequency;
    LARGE_INTEGER CountBegin;
    LARGE_INTEGER CountNow;
    LONGLONG DelayCount;
    LONGLONG EndCount;
 
    if (0 != QueryPerformanceFrequency(&Frequency))
    {
        //试算终止计数
        DelayCount = Frequency.QuadPart / 1000 * TimeInMilliSecond;
        if (0 != QueryPerformanceCounter(&CountBegin))
        {
            EndCount = CountBegin.QuadPart + DelayCount;
            if (EndCount < CountBegin.QuadPart)
            {
                //计数器循环回去了
                while (1)
                {
                    if (0 != QueryPerformanceCounter(&CountNow))
                    {
                        if (CountNow.QuadPart < CountBegin.QuadPart && CountNow.QuadPart > EndCount)
                        {
                            return 1;
                        }
                    }
                    else
                    {
                        break;
                    }
                }
            }
            else
            {
                //一般情况
                while (1)
                {
                    if (0 != QueryPerformanceCounter(&CountNow))
                    {
                        if (CountNow.QuadPart > EndCount)
                        {
                            return 2;
                        }
                    }
                    else
                    {
                        break;
                    }
                }
            }
 
        }
 
    }
 
    //如果无法使用高精度定时器,拿Sleep凑合着用吧.
    Sleep(TimeInMilliSecond);
 
 
    return 0;
}

[转载]简单蚁群算法的实现

0
1 year ago
by 朱文昊 Albert Zhu in ,

本文转载自http://blog.chinaunix.net/u1/34560/showart_312651.html

一 引言

蚁群算法(ant colony optimization，ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法。初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。蚁群算法是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。正因为蚁群算法有这些优点，很多研究者都在致力研究和改过它，本文的目的正是为了介绍蚁群算法，学习如何编写蚁群算法。

二 蚁群算法的介绍

昆虫世界中，蚂蚁的组成是一种群居的世袭大家庭，我们称之为蚁群。蚂蚁分为世袭制的蚁王（后）和工蚁两种，它们具有高度组织的社会性，彼此沟通不仅可以借助触觉和视觉的联系，在大规模的协调行动中还可以借助外激素（有些书称信息素）之类的信息介质。

首先我们要理解蚂蚁是如何觅食的，蚂蚁平时在巢穴附近作无规则行走，一量发现食物并不立即进食而是将之搬回蚁穴与其它蚂蚁分享，在食物小时则独自搬回蚁穴，否则就回蚁穴搬兵，一路上会留下外激素，食物越大外激素的浓度就越大，越能吸引其它的蚂蚁过去一起搬去食物，这样最终就能将食物全部搬回蚁穴。这个过程用程序实现看似非常复杂，要编写一个“智能”的蚂蚁也看似不太可能，事实上每个蚂蚁只做了非常简单的工作：检查某个范围内有无食物，并逐渐向外激素浓的方向运动。简而言之，蚁群运动无非是同时反复执行多个简单规则而已。下面详细说明蚁群中的这些简单规则：

1、范围：蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。

2、环境：蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有外激素，外激素有两种，一种是找到食物的蚂蚁洒下的食物外激素，一种是找到窝的蚂蚁洒下的窝的外激素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让外激素消失。

3、觅食规则：在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有外激素，并且比较在能感知的范围内哪一点的外激素最多，这样，它就朝外激素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往外激素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的外激素做出反应，而对食物外激素没反应。

4、移动规则： 每只蚂蚁都朝向外激素最多的方向移，并且，当周围没有外激素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。

5、避障规则：如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有外激素指引的话，它会按照觅食的规则行为。

7、播撒外激素规则：每只蚂蚁在刚找到食物或者窝的时候撒发的外激素最多，并随着它走远的距离，播撒的外激素越来越少。

根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过外激素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒外激素，当其它的蚂蚁经过它附近的时候，就会感觉到外激素的存在，进而根据外激素的指引找到了食物。成功的觅食算法正是最小化搜索食物的时间。

三 蚁群算法的实现

理解蚁群算法的实质之后写出一个简单蚁群算法也不是太困难，关键是实现以上介绍的几个规则，下面用JAVA简单讲述一下以上规则的实现。

1、蚂蚁：蚂蚁是蚁群中最小的单位，是所以简单规则应用的最小个体。

 

View Code CPP
1
2
3
4
5
6
7
8
9
10
11
12

public class Ant
{
    public Square SQUARE;           //蚂蚁所在方格
    public Food CARRYING = null;    //所搬的食物数
    public int ID;                  //蚂蚁的编号
    public boolean HELPING = false; //是否帮忙搬运食物
 
public void move(int turn)
{
    //蚂蚁移动到下一个方格
}
}

2、范围：蚂蚁所在的方格应该包含附近的方格编号，所含食物数量，蚂蚁数量，外激素的浓度，以及坐标等信息。

View Code CPP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

public class Square
{ public Square NE;            //附近的8个方向的方格
 
     public Square N;
     public Square NW;
     public Square W;
     public Square SW;
     public Square S;
     public Square SE;
     public Square E;
     public LinkedList ANTS;        //本方格中包含的蚂蚁
     public Food FOOD;            //本方格中包含的食物数
     public Nest NEST;                //方格为蚁穴
     public Pheromone_1 PHEROMONE_1;            //本方格中的外激素含量
     public int X;            //本方格的坐标
     public int Y;
     private World WORLD;            //所属的环境
     public boolean WALL;            //是否有障碍物
 
    public Square(int x, int y, World world)
    {
        FOOD = null;
        NEST = null;
        PHEROMONE_1 = null;
        X = x;
        Y = y;
        WORLD = world;
        WALL = false;
        ANTS = new LinkedList();
    }

3、环境：环境是由多个方格组成的，是一个平面的，因此用一个方格的二维数组来表示是最合适不过的。

View Code CPP
1
2
3
4
5
6
7
8
9
10
11
12
13
14

public class World
{
    private Square[][] WORLD;        //定义环境二维数组
    private int WIDTH;                //环境的长宽
    private int HEIGHT;
    private Pheromone_1List P1LIST;        //保存所有外激素的列表
 
    public World(Pheromone_1List p1list)
    {
        this.WIDTH = Settings.WIDTH;
        this.HEIGHT = Settings.HEIGHT;
        this.P1LIST = p1list;
        WORLD = new Square[WIDTH][HEIGHT];
    }

     4、觅食规则，移动规则和避障规则：这三种规则全都跟蚂蚁的移动方向有关，并在移动前都要先计算周围方格的外激素浓度，选择外激素浓度最高的方格方向移动。

View Code CPP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

private Square chooseBestSquare()
{
     Square[] square_list = {SQUARE.E, SQUARE.NE, SQUARE.N, SQUARE.NW, SQUARE.W, SQUARE.SW, SQUARE.S, SQUARE.SE};
        double current_best_value = 0;
        double value = 0;
        Square square = SQUARE;
        // 选择最好的方格
 
        for(int i=0;i<square_list.length;i++)
        {
            value = calculateSquareValue(square_list[i]);//计算方格值
            if(value > current_best_value)
            {
                current_best_value = value;
                square = square_list[i];
            }
        }
        if(square.ANTS.size() >= Settings.MAXIMUM_NUMBER_OF_ANTS)
        {
          return SQUARE;
        }
        return square;
    }

View Code CPP
1
2
3
4
5
6
7
8
9
10
11
12

private double calculateSquareValue(Square s)
{
    double[] thresholds = Settings.THRESHOLDS;
    if(s==null || s.WALL) // 方格有障碍物
    {
        return -100000;
    }
 
    // 计算方格中各项参数的值
    return s.getFood()*thresholds[0]        // 食物
    + s.getPheromone_1() * thresholds[1]    // 外激素
}

5、播撒外激素规则：每只蚂蚁找到食物后会根据食物的数量播撒相应量的外激素，以便其它蚂蚁能够更快得找到这堆食物。

View Code CPP
1
2
3
4
5

private void putPheromone_1(double amount)
{
    if(SQUARE.getPheromone_1() < Settings.PHEROMONE_LIMIT)
     SQUARE.addPheromone_1(amount);
}

从以上蚁群算法中各个要素的代码来看，实现蚁群算法并不难。每只蚂蚁并不是像我们想象的需要知道整个环境的信息，它们只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律。

四 蚁群算法的不足

本文实现的蚁群算法只是简单的大致模拟蚁群的觅食过程，真正的蚂蚁觅食过程远比这个复杂，比如增加蚂蚁搬运食物的距离和数量，蚂蚁在搬运食物发现更大的食物可能会丢弃原有食物，还可以增加蚂蚁搬运食物回蚁穴的最短路径的求解。同时需要注意的是，由于蚁群算法觅食的过程，蚁群算法可能会过早的收敛并陷入局部最优解。

Go to Top