[1044] | 1 | // This file is a part of Framsticks SDK. http://www.framsticks.com/ |
---|
| 2 | // Copyright (C) 1999-2020 Maciej Komosinski and Szymon Ulatowski. |
---|
| 3 | // See LICENSE.txt for details. |
---|
| 4 | |
---|
| 5 | #include "measure-greedy.h" |
---|
[1048] | 6 | #include <assert.h> |
---|
[1044] | 7 | |
---|
| 8 | #define DB(x) //define as x if you want to print debug information |
---|
| 9 | |
---|
| 10 | const int SimilMeasureGreedy::iNOFactors = 4; |
---|
[1048] | 11 | int fuzzDepth = 0; //TODO make local, but not crucial because currently "fuzzy vertex degree" is not activated by default |
---|
[1044] | 12 | |
---|
| 13 | #define FIELDSTRUCT SimilMeasureGreedy |
---|
| 14 | |
---|
| 15 | static ParamEntry simil_greedy_paramtab[] = { |
---|
[1054] | 16 | { "Creature: Similarity: Graph greedy", 1, 7, "SimilMeasureGreedy", "Evaluates morphological dissimilarity using greedy measure. More information:\nhttp://www.framsticks.com/bib/Komosinski-et-al-2001\nhttp://www.framsticks.com/bib/Komosinski-and-Kubiak-2011\nhttp://www.framsticks.com/bib/Komosinski-2016\nhttps://doi.org/10.1007/978-3-030-16692-2_8", }, |
---|
[1044] | 17 | { "simil_parts", 0, 0, "Weight of parts count", "f 0 100 0", FIELD(m_adFactors[0]), "Differing number of parts is also handled by the 'part degree' similarity component.", }, |
---|
| 18 | { "simil_partdeg", 0, 0, "Weight of parts' degree", "f 0 100 1", FIELD(m_adFactors[1]), "", }, |
---|
| 19 | { "simil_neuro", 0, 0, "Weight of neurons count", "f 0 100 0.1", FIELD(m_adFactors[2]), "", }, |
---|
| 20 | { "simil_partgeom", 0, 0, "Weight of parts' geometric distances", "f 0 100 0", FIELD(m_adFactors[3]), "", }, |
---|
| 21 | { "simil_fixedZaxis", 0, 0, "Fix 'z' (vertical) axis?", "d 0 1 0", FIELD(fixedZaxis), "", }, |
---|
| 22 | { "simil_weightedMDS", 0, 0, "Should weighted MDS be used?", "d 0 1 0", FIELD(wMDS), "If activated, weighted MDS with vertex (i.e., Part) degrees as weights is used for 3D alignment of body structure.", }, |
---|
[1048] | 23 | { "evaluateDistance", 0, PARAM_DONTSAVE | PARAM_USERHIDDEN, "Evaluate model dissimilarity", "p f(oGeno,oGeno)", PROCEDURE(p_evaldistance), "Calculates dissimilarity between two models created from Geno objects.", }, |
---|
[1044] | 24 | { 0, }, |
---|
| 25 | }; |
---|
| 26 | |
---|
| 27 | #undef FIELDSTRUCT |
---|
| 28 | |
---|
| 29 | SimilMeasureGreedy::SimilMeasureGreedy(): localpar(simil_greedy_paramtab, this), m_iDV(0), m_iDD(0), m_iDN(0), m_dDG(0.0) |
---|
| 30 | { |
---|
| 31 | localpar.setDefault(); |
---|
| 32 | |
---|
| 33 | for (int i = 0; i < 2; i++) |
---|
| 34 | { |
---|
| 35 | m_aDegrees[0] = nullptr; |
---|
| 36 | m_fuzzyNeighb[0] = nullptr; |
---|
| 37 | m_Neighbours[0] = nullptr; |
---|
| 38 | } |
---|
| 39 | |
---|
| 40 | m_pMatching = nullptr; |
---|
| 41 | tempMatching = nullptr; |
---|
| 42 | |
---|
| 43 | //Determines whether "fuzzy vertex degree" should be used. |
---|
| 44 | //In preliminary experiments in 2017, "fuzzy vertex degree" turned out to be not beneficial. |
---|
| 45 | isFuzzy = false; |
---|
| 46 | fuzzyDepth = 10; |
---|
| 47 | save_matching = false; |
---|
| 48 | } |
---|
| 49 | |
---|
| 50 | double SimilMeasureGreedy::distanceForTransformation() |
---|
| 51 | { |
---|
| 52 | // now the positions are recomputed |
---|
| 53 | computeMatching(); |
---|
| 54 | |
---|
| 55 | // teraz m_pMatching istnieje i jest pełne |
---|
| 56 | assert(m_pMatching != NULL); |
---|
| 57 | assert(m_pMatching->isFull() == true); |
---|
| 58 | // wykorzystaj to dopasowanie i geometrię do obliczenia tymczasowej wartości miary |
---|
| 59 | |
---|
| 60 | int iTempRes = countPartsDistance(); |
---|
| 61 | // załóż sukces |
---|
| 62 | assert(iTempRes == 1); |
---|
| 63 | double dCurrentSim = m_adFactors[0] * double(m_iDV) + |
---|
| 64 | m_adFactors[1] * double(m_iDD) + |
---|
| 65 | m_adFactors[2] * double(m_iDN) + |
---|
| 66 | m_adFactors[3] * double(m_dDG); |
---|
| 67 | // załóż poprawną wartość podobieństwa |
---|
| 68 | assert(dCurrentSim >= 0.0); |
---|
| 69 | SAFEDELETE(tempMatching); |
---|
| 70 | return dCurrentSim; |
---|
| 71 | } |
---|
| 72 | |
---|
| 73 | |
---|
| 74 | double SimilMeasureGreedy::distanceWithoutAlignment() |
---|
| 75 | { |
---|
| 76 | return distanceForTransformation(); |
---|
| 77 | } |
---|
| 78 | |
---|
| 79 | void SimilMeasureGreedy::beforeTransformation() |
---|
| 80 | { |
---|
| 81 | if (m_pMatching != NULL) |
---|
| 82 | if (!m_pMatching->isEmpty()) |
---|
| 83 | m_pMatching->empty(); |
---|
| 84 | } |
---|
| 85 | |
---|
| 86 | /** Computes elements of similarity (m_iDD, m_iDN, m_dDG) based on underlying matching. |
---|
| 87 | Assumptions: |
---|
| 88 | - Matching (m_pMatching) exists and is full. |
---|
| 89 | - Internal arrays m_aDegrees and coordinates exist and are properly filled in |
---|
| 90 | Exit conditions: |
---|
| 91 | - Elements of similarity are computed (m)iDD, m_iDN, m_dDG). |
---|
| 92 | @return 1 if success, otherwise 0. |
---|
| 93 | */ |
---|
| 94 | int SimilMeasureGreedy::countPartsDistance() |
---|
| 95 | { |
---|
| 96 | int i, temp; |
---|
| 97 | |
---|
| 98 | // assume existence of m_pMatching |
---|
| 99 | assert(m_pMatching != NULL); |
---|
| 100 | // musi byc pelne! |
---|
| 101 | assert(m_pMatching->isFull() == true); |
---|
| 102 | |
---|
| 103 | // roznica w stopniach |
---|
| 104 | m_iDD = 0; |
---|
| 105 | // roznica w liczbie neuronów |
---|
| 106 | m_iDN = 0; |
---|
| 107 | // roznica w odleglosci dopasowanych Parts |
---|
| 108 | m_dDG = 0.0; |
---|
| 109 | |
---|
| 110 | int iOrgPart, iOrgMatchedPart; // orginalny indeks Part i jego dopasowanego Part |
---|
| 111 | int iMatchedPart; // indeks (wg sortowania) dopasowanego Part |
---|
| 112 | |
---|
| 113 | // wykorzystanie dopasowania do zliczenia m_iDD - roznicy w stopniach |
---|
| 114 | // i m_iDN - roznicy w liczbie neuronow |
---|
| 115 | // petla w wiekszej tablicy |
---|
| 116 | for (i = 0; i < m_aiPartCount[1 - m_iSmaller]; i++) |
---|
| 117 | { |
---|
| 118 | // dla kazdego elementu [i] z wiekszego organizmu |
---|
| 119 | // pobierz jego orginalny indeks w organizmie z tablicy TDN |
---|
| 120 | iOrgPart = m_aDegrees[1 - m_iSmaller][i][0]; |
---|
| 121 | if (!(m_pMatching->isMatched(1 - m_iSmaller, i))) |
---|
| 122 | { |
---|
| 123 | // gdy nie zostal dopasowany |
---|
| 124 | // dodaj jego stopien do DD |
---|
| 125 | m_iDD += m_aDegrees[1 - m_iSmaller][i][1]; |
---|
| 126 | // dodaj liczbe neuronow do DN |
---|
| 127 | m_iDN += m_aDegrees[1 - m_iSmaller][i][3]; |
---|
| 128 | // i oblicz odleglosc tego Part od srodka organizmu (0,0,0) |
---|
| 129 | // (uzyj orginalnego indeksu) |
---|
| 130 | //no need to compute distane when m_dDG weight is 0 |
---|
| 131 | m_dDG += m_adFactors[3] == 0 ? 0 : coordinates[1 - m_iSmaller][iOrgPart].length(); |
---|
| 132 | } |
---|
| 133 | else |
---|
| 134 | { |
---|
| 135 | // gdy byl dopasowany |
---|
| 136 | // pobierz indeks (po sortowaniu) tego dopasowanego Part |
---|
| 137 | iMatchedPart = m_pMatching->getMatchedIndex(1 - m_iSmaller, i); |
---|
| 138 | // pobierz indeks orginalny tego dopasowanego Part |
---|
| 139 | iOrgMatchedPart = m_aDegrees[m_iSmaller][iMatchedPart][0]; |
---|
| 140 | // dodaj ABS roznicy stopni do DD |
---|
| 141 | temp = m_aDegrees[1 - m_iSmaller][i][1] - |
---|
| 142 | m_aDegrees[m_iSmaller][iMatchedPart][1]; |
---|
| 143 | m_iDD += abs(temp); |
---|
| 144 | // dodaj ABS roznicy neuronow do DN |
---|
| 145 | temp = m_aDegrees[1 - m_iSmaller][i][3] - |
---|
| 146 | m_aDegrees[m_iSmaller][iMatchedPart][3]; |
---|
| 147 | m_iDN += abs(temp); |
---|
| 148 | // pobierz polozenie dopasowanego Part |
---|
| 149 | Pt3D MatchedPartPos(coordinates[m_iSmaller][iOrgMatchedPart]); |
---|
| 150 | // dodaj euklidesowa odleglosc Parts do sumy odleglosci |
---|
| 151 | //no need to compute distane when m_dDG weight is 0 |
---|
| 152 | m_dDG += m_adFactors[3] == 0 ? 0 : coordinates[1 - m_iSmaller][iOrgPart].distanceTo(MatchedPartPos); |
---|
| 153 | } |
---|
| 154 | } |
---|
| 155 | |
---|
| 156 | // obliczenie i dodanie różnicy w liczbie neuronów OnJoint... |
---|
| 157 | temp = m_aOnJoint[0][3] - m_aOnJoint[1][3]; |
---|
| 158 | m_iDN += abs(temp); |
---|
| 159 | DB(printf("OnJoint DN: %i\n", abs(temp));) |
---|
| 160 | // ... i Anywhere |
---|
| 161 | temp = m_aAnywhere[0][3] - m_aAnywhere[1][3]; |
---|
| 162 | m_iDN += abs(temp); |
---|
| 163 | DB(printf("Anywhere DN: %i\n", abs(temp));) |
---|
| 164 | |
---|
| 165 | return 1; |
---|
| 166 | } |
---|
| 167 | |
---|
| 168 | void SimilMeasureGreedy::computeMatching() |
---|
| 169 | { |
---|
| 170 | // uniwersalne liczniki |
---|
| 171 | int i, j; |
---|
| 172 | |
---|
| 173 | assert(m_pMatching != NULL); |
---|
| 174 | assert(m_pMatching->isEmpty() == true); |
---|
| 175 | |
---|
| 176 | // rozpoczynamy etap dopasowywania Parts w organizmach |
---|
| 177 | // czy dopasowano już wszystkie Parts? |
---|
| 178 | int iCzyDopasowane = 0; |
---|
| 179 | // koniec grupy aktualnie dopasowywanej w każdym organizmie |
---|
| 180 | int aiKoniecGrupyDopasowania[2] = { 0, 0 }; |
---|
| 181 | // koniec grupy już w całości dopasowanej |
---|
| 182 | // (Pomiedzy tymi dwoma indeksami znajduja sie Parts w tablicy |
---|
| 183 | // m_aDegrees, ktore moga byc dopasowywane (tam nadal moga |
---|
| 184 | // byc tez dopasowane - ale nie musi to byc w sposob |
---|
| 185 | // ciagly) |
---|
| 186 | int aiKoniecPierwszejGrupy[2] = { 0, 0 }; |
---|
| 187 | // Tablica przechowująca odległości poszczególnych Parts z aktualnych |
---|
| 188 | // grup dopasowania. Rozmiar - prostokąt o bokach równych liczbie elementów w |
---|
| 189 | // dopasowywanych aktualnie grupach. Pierwszy wymiar - pierwszy organizm. |
---|
| 190 | // Drugi wymiar - drugi organizm (nie zależy to od tego, który jest mniejszy). |
---|
| 191 | // Wliczane w rozmiar tablicy są nawet już dopasowane elementy - tablice |
---|
| 192 | // paiCzyDopasowany pamiętają stan dopasowania tych elementów. |
---|
| 193 | typedef double *TPDouble; |
---|
| 194 | double **aadOdleglosciParts; |
---|
| 195 | // dwie tablice okreslajace Parts, ktore moga byc do siebie dopasowywane |
---|
| 196 | // rozmiary: [0] - aiRozmiarCalychGrup[1] |
---|
| 197 | // [1] - aiRozmiarCalychGrup[0] |
---|
| 198 | std::vector<bool> *apvbCzyMinimalnaOdleglosc[2]; |
---|
| 199 | // rozmiar aktualnie dopasowywanej grupy w odpowiednim organizmie (tylko elementy |
---|
| 200 | // jeszcze niedopasowane). |
---|
| 201 | int aiRozmiarGrupy[2]; |
---|
| 202 | // rozmiar aktualnie dopasowywanych grup w odpowiednim organizmie (włączone są |
---|
| 203 | // w to również elementy już dopasowane). |
---|
| 204 | int aiRozmiarCalychGrup[2] = { 0, 0 }; |
---|
| 205 | |
---|
| 206 | // DOPASOWYWANIE PARTS |
---|
| 207 | while (!iCzyDopasowane) |
---|
| 208 | { |
---|
| 209 | // znajdz konce obu grup aktualnie dopasowywanych w obu organizmach |
---|
| 210 | for (i = 0; i < 2; i++) |
---|
| 211 | { |
---|
| 212 | // czyli poszukaj miejsca zmiany stopnia lub konca tablicy |
---|
| 213 | for (j = aiKoniecPierwszejGrupy[i] + 1; j < m_aiPartCount[i]; j++) |
---|
| 214 | { |
---|
| 215 | if (m_aDegrees[i][j][DEG] < m_aDegrees[i][j - 1][DEG]) |
---|
| 216 | { |
---|
| 217 | break; |
---|
| 218 | } |
---|
| 219 | } |
---|
| 220 | aiKoniecGrupyDopasowania[i] = j; |
---|
| 221 | |
---|
| 222 | // sprawdz poprawnosc tego indeksu |
---|
| 223 | assert((aiKoniecGrupyDopasowania[i] > 0) && |
---|
| 224 | (aiKoniecGrupyDopasowania[i] <= m_aiPartCount[i])); |
---|
| 225 | |
---|
| 226 | // oblicz rozmiary całych grup - łącznie z dopasowanymi już elementami |
---|
| 227 | aiRozmiarCalychGrup[i] = aiKoniecGrupyDopasowania[i] - |
---|
| 228 | aiKoniecPierwszejGrupy[i]; |
---|
| 229 | |
---|
| 230 | // sprawdz teraz rozmiar tej grupy w sensie liczby niedopasowanzch |
---|
| 231 | // nie moze to byc puste! |
---|
| 232 | aiRozmiarGrupy[i] = 0; |
---|
| 233 | for (j = aiKoniecPierwszejGrupy[i]; j < aiKoniecGrupyDopasowania[i]; j++) |
---|
| 234 | { |
---|
| 235 | // od poczatku do konca grupy |
---|
| 236 | if (!m_pMatching->isMatched(i, j)) |
---|
| 237 | { |
---|
| 238 | // jesli niedopasowany, to zwieksz licznik |
---|
| 239 | aiRozmiarGrupy[i]++; |
---|
| 240 | } |
---|
| 241 | } |
---|
| 242 | // grupa nie moze byc pusta! |
---|
| 243 | assert(aiRozmiarGrupy[i] > 0); |
---|
| 244 | } |
---|
| 245 | |
---|
| 246 | // DOPASOWYWANIE PARTS Z GRUP |
---|
| 247 | |
---|
| 248 | // stworzenie tablicy odległości lokalnych |
---|
| 249 | // stwórz pierwszy wymiar - wg rozmiaru zerowego organizmu |
---|
| 250 | aadOdleglosciParts = new TPDouble[aiRozmiarCalychGrup[0]]; |
---|
| 251 | assert(aadOdleglosciParts != NULL); |
---|
| 252 | // stwórz drugi wymiar - wg rozmiaru drugiego organizmu |
---|
| 253 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 254 | { |
---|
| 255 | aadOdleglosciParts[i] = new double[aiRozmiarCalychGrup[1]]; |
---|
| 256 | assert(aadOdleglosciParts[i] != NULL); |
---|
| 257 | } |
---|
| 258 | |
---|
| 259 | // stworzenie tablic mozliwosci dopasowania (indykatorow minimalnej odleglosci) |
---|
| 260 | apvbCzyMinimalnaOdleglosc[0] = new std::vector<bool>(aiRozmiarCalychGrup[1], false); |
---|
| 261 | apvbCzyMinimalnaOdleglosc[1] = new std::vector<bool>(aiRozmiarCalychGrup[0], false); |
---|
| 262 | // sprawdz stworzenie tablic |
---|
| 263 | assert(apvbCzyMinimalnaOdleglosc[0] != NULL); |
---|
| 264 | assert(apvbCzyMinimalnaOdleglosc[1] != NULL); |
---|
| 265 | |
---|
| 266 | // wypełnienie elementów macierzy (i,j) odległościami pomiędzy |
---|
| 267 | // odpowiednimi Parts: (i) w organizmie 0 i (j) w organizmie 1. |
---|
| 268 | // UWAGA! Uwzględniamy tylko te Parts, które nie są jeszcze dopasowane |
---|
| 269 | // (reszta to byłaby po prostu strata czasu). |
---|
| 270 | int iDeg, iNeu; // ilościowe określenie różnic stopnia, liczby neuronów i połączeń Parts |
---|
| 271 | //int iNIt; |
---|
| 272 | double dGeo; // ilościowe określenie różnic geometrycznych pomiędzy Parts |
---|
| 273 | // indeksy konkretnych Parts - indeksy sa ZERO-BASED, choć właściwy dostep |
---|
| 274 | // do informacji o Part wymaga dodania aiKoniecPierwszejGrupy[] |
---|
| 275 | // tylko aadOdleglosciParts[][] indeksuje sie bezposrednio zawartoscia iIndex[] |
---|
| 276 | int iIndex[2]; |
---|
| 277 | int iPartIndex[2] = { -1, -1 }; // at [iModel]: original index of a Part for the specified model (iModel) |
---|
| 278 | |
---|
| 279 | // debug - wypisz zakres dopasowywanych indeksow |
---|
| 280 | DB(printf("Organizm 0: grupa: (%2i, %2i)\n", aiKoniecPierwszejGrupy[0], |
---|
| 281 | aiKoniecGrupyDopasowania[0]);) |
---|
| 282 | DB(printf("Organizm 1: grupa: (%2i, %2i)\n", aiKoniecPierwszejGrupy[1], |
---|
| 283 | aiKoniecGrupyDopasowania[1]);) |
---|
| 284 | |
---|
| 285 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 286 | { |
---|
| 287 | |
---|
| 288 | // iterujemy i - Parts organizmu 0 |
---|
| 289 | // (indeks podstawowy - aiKoniecPierwszejGrupy[0]) |
---|
| 290 | |
---|
| 291 | if (!(m_pMatching->isMatched(0, aiKoniecPierwszejGrupy[0] + i))) |
---|
| 292 | { |
---|
| 293 | // interesuja nas tylko te niedopasowane jeszcze (i) |
---|
| 294 | for (j = 0; j < aiRozmiarCalychGrup[1]; j++) |
---|
| 295 | { |
---|
| 296 | |
---|
| 297 | // iterujemy j - Parts organizmu 1 |
---|
| 298 | // (indeks podstawowy - aiKoniecPierwszejGrupy[1]) |
---|
| 299 | |
---|
| 300 | if (!(m_pMatching->isMatched(1, aiKoniecPierwszejGrupy[1] + j))) |
---|
| 301 | { |
---|
| 302 | // interesuja nas tylko te niedopasowane jeszcze (j) |
---|
| 303 | // teraz obliczymy lokalne różnice pomiędzy Parts |
---|
| 304 | iDeg = abs(m_aDegrees[0][aiKoniecPierwszejGrupy[0] + i][1] |
---|
| 305 | - m_aDegrees[1][aiKoniecPierwszejGrupy[1] + j][1]); |
---|
| 306 | |
---|
| 307 | //iNit currently is not a component of distance measure |
---|
| 308 | //iNIt = abs(m_aDegrees[0][ aiKoniecPierwszejGrupy[0] + i ][2] |
---|
| 309 | //- m_aDegrees[1][ aiKoniecPierwszejGrupy[1] + j ][2]); |
---|
| 310 | |
---|
| 311 | iNeu = abs(m_aDegrees[0][aiKoniecPierwszejGrupy[0] + i][3] |
---|
| 312 | - m_aDegrees[1][aiKoniecPierwszejGrupy[1] + j][3]); |
---|
| 313 | |
---|
| 314 | // obliczenie także lokalnych różnic geometrycznych pomiędzy Parts |
---|
| 315 | // find original indices of Parts for both of the models |
---|
| 316 | iPartIndex[0] = m_aDegrees[0][aiKoniecPierwszejGrupy[0] + i][0]; |
---|
| 317 | iPartIndex[1] = m_aDegrees[1][aiKoniecPierwszejGrupy[1] + j][0]; |
---|
| 318 | // now compute the geometrical distance of these Parts (use coordinates |
---|
| 319 | // which should be computed by SVD) |
---|
| 320 | Pt3D Part0Pos(coordinates[0][iPartIndex[0]]); |
---|
| 321 | Pt3D Part1Pos(coordinates[1][iPartIndex[1]]); |
---|
| 322 | dGeo = m_adFactors[3] == 0 ? 0 : Part0Pos.distanceTo(Part1Pos); //no need to compute distane when m_dDG weight is 0 |
---|
| 323 | |
---|
| 324 | // tutaj prawdopodobnie należy jeszcze dodać sprawdzanie |
---|
| 325 | // identyczności pozostałych własności (oprócz geometrii) |
---|
| 326 | // - żeby móc stwierdzić w ogóle identyczność Parts |
---|
| 327 | |
---|
| 328 | // i ostateczna odleglosc indukowana przez te roznice |
---|
| 329 | // (tutaj nie ma różnicy w liczbie wszystkich wierzchołków) |
---|
| 330 | aadOdleglosciParts[i][j] = m_adFactors[1] * double(iDeg) + |
---|
| 331 | m_adFactors[2] * double(iNeu) + |
---|
| 332 | m_adFactors[3] * dGeo; |
---|
| 333 | DB(printf("Parts Distance (%2i,%2i) = %.3lf\n", aiKoniecPierwszejGrupy[0] + i, |
---|
| 334 | aiKoniecPierwszejGrupy[1] + j, aadOdleglosciParts[i][j]);) |
---|
| 335 | DB(printf("Parts geometrical distance = %.20lf\n", dGeo);) |
---|
| 336 | DB(printf("Pos0: (%.3lf %.3lf %.3lf)\n", Part0Pos.x, Part0Pos.y, Part0Pos.z);) |
---|
| 337 | DB(printf("Pos1: (%.3lf %.3lf %.3lf)\n", Part1Pos.x, Part1Pos.y, Part1Pos.z);) |
---|
| 338 | } |
---|
| 339 | } |
---|
| 340 | } |
---|
| 341 | } |
---|
| 342 | |
---|
| 343 | // tutaj - sprawdzic tylko, czy tablica odleglosci lokalnych jest poprawnie obliczona |
---|
| 344 | |
---|
| 345 | // WYKORZYSTANIE TABLICY ODLEGLOSCI DO BUDOWY DOPASOWANIA |
---|
| 346 | |
---|
| 347 | // trzeba raczej iterować aż do zebrania wszystkich możliwych dopasowań w grupie |
---|
| 348 | // dlatego wprowadzamy dodatkowa zmienna - czy skonczyla sie juz grupa |
---|
| 349 | bool bCzyKoniecGrupy = false; |
---|
| 350 | while (!bCzyKoniecGrupy) |
---|
| 351 | { |
---|
| 352 | for (i = 0; i < 2; i++) |
---|
| 353 | { |
---|
| 354 | // iterujemy (i) po organizmach |
---|
| 355 | // szukamy najpierw jakiegoś niedopasowanego jeszcze Part w organizmach |
---|
| 356 | |
---|
| 357 | // zakładamy, że nie ma takiego Part |
---|
| 358 | iIndex[i] = -1; |
---|
| 359 | |
---|
| 360 | for (j = 0; j < aiRozmiarCalychGrup[i]; j++) |
---|
| 361 | { |
---|
| 362 | // iterujemy (j) - Parts organizmu (i) |
---|
| 363 | // (indeks podstawowy - aiKoniecPierwszejGrupy[0]) |
---|
| 364 | if (!(m_pMatching->isMatched(i, aiKoniecPierwszejGrupy[i] + j))) |
---|
| 365 | { |
---|
| 366 | // gdy mamy w tej grupie jakis niedopasowany element, to ustawiamy |
---|
| 367 | // iIndex[i] (chcemy w zasadzie pierwszy taki) |
---|
| 368 | iIndex[i] = j; |
---|
| 369 | break; |
---|
| 370 | } |
---|
| 371 | } |
---|
| 372 | |
---|
| 373 | // sprawdzamy, czy w ogole znaleziono taki Part |
---|
| 374 | if (iIndex[i] < 0) |
---|
| 375 | { |
---|
| 376 | // gdy nie znaleziono takiego Part - mamy koniec dopasowywania w |
---|
| 377 | // tych grupach |
---|
| 378 | bCzyKoniecGrupy = true; |
---|
| 379 | } |
---|
| 380 | // sprawdz poprawnosc indeksu niedopasowanego Part - musi byc w aktualnej grupie |
---|
| 381 | assert((iIndex[i] >= -1) && (iIndex[i] < aiRozmiarCalychGrup[i])); |
---|
| 382 | } |
---|
| 383 | |
---|
| 384 | |
---|
| 385 | // teraz mamy sytuacje: |
---|
| 386 | // - mamy w iIndex[0] i iIndex[1] indeksy pierwszych niedopasowanych Part |
---|
| 387 | // w organizmach, albo |
---|
| 388 | // - nie ma w ogóle już czego dopasowywać (należy przejść do innej grupy) |
---|
| 389 | if (!bCzyKoniecGrupy) |
---|
| 390 | { |
---|
| 391 | // gdy nie ma jeszcze końca żadnej z grup - możemy dopasowywać |
---|
| 392 | // najpierw wyszukujemy w tablicy minimum odległości od tych |
---|
| 393 | // wyznaczonych Parts |
---|
| 394 | |
---|
| 395 | // najpierw wyczyscimy wektory potencjalnych dopasowan |
---|
| 396 | // dla organizmu 1 (o rozmiarze grupy z 0) |
---|
| 397 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 398 | { |
---|
| 399 | apvbCzyMinimalnaOdleglosc[1]->operator[](i) = false; |
---|
| 400 | } |
---|
| 401 | // dla organizmu 0 (o rozmiarze grup z 1) |
---|
| 402 | for (i = 0; i < aiRozmiarCalychGrup[1]; i++) |
---|
| 403 | { |
---|
| 404 | apvbCzyMinimalnaOdleglosc[0]->operator[](i) = false; |
---|
| 405 | } |
---|
| 406 | |
---|
| 407 | // szukanie minimum dla Part o indeksie iIndex[0] w organizmie 0 |
---|
| 408 | // wsrod niedopasowanych Parts z organizmu 1 |
---|
| 409 | // zakładamy, że nie znaleliśmy jeszcze minimum |
---|
| 410 | double dMinimum = HUGE_VAL; |
---|
| 411 | for (i = 0; i < aiRozmiarCalychGrup[1]; i++) |
---|
| 412 | { |
---|
| 413 | if (!(m_pMatching->isMatched(1, aiKoniecPierwszejGrupy[1] + i))) |
---|
| 414 | { |
---|
| 415 | |
---|
| 416 | // szukamy minimum obliczonej lokalnej odleglosci tylko wsrod |
---|
| 417 | // niedopasowanych jeszcze Parts |
---|
| 418 | if (aadOdleglosciParts[iIndex[0]][i] < dMinimum) |
---|
| 419 | { |
---|
| 420 | dMinimum = aadOdleglosciParts[iIndex[0]][i]; |
---|
| 421 | } |
---|
| 422 | // przy okazji - sprawdz, czy HUGE_VAL jest rzeczywiscie max dla double |
---|
| 423 | assert(aadOdleglosciParts[iIndex[0]][i] < HUGE_VAL); |
---|
| 424 | } |
---|
| 425 | } |
---|
| 426 | // sprawdz, czy minimum znaleziono - musi takie byc, bo jest cos niedopasowanego |
---|
| 427 | assert((dMinimum >= 0.0) && (dMinimum < HUGE_VAL)); |
---|
| 428 | |
---|
| 429 | // teraz zaznaczamy w tablicy te wszystkie Parts, ktore maja |
---|
| 430 | // rzeczywiscie te minimalna odleglosc do Part iIndex[0] w organizmie 0 |
---|
| 431 | for (i = 0; i < aiRozmiarCalychGrup[1]; i++) |
---|
| 432 | { |
---|
| 433 | if (!(m_pMatching->isMatched(1, aiKoniecPierwszejGrupy[1] + i))) |
---|
| 434 | { |
---|
| 435 | if (aadOdleglosciParts[iIndex[0]][i] == dMinimum) |
---|
| 436 | { |
---|
| 437 | // jesli w danym miejscu tablicy odleglosci jest faktyczne |
---|
| 438 | // minimum odleglosci, to mamy potencjalna pare dla iIndex[0] |
---|
| 439 | apvbCzyMinimalnaOdleglosc[0]->operator[](i) = true; |
---|
| 440 | } |
---|
| 441 | |
---|
| 442 | // sprawdz poprawnosc znalezionego wczesniej minimum |
---|
| 443 | assert(aadOdleglosciParts[iIndex[0]][i] >= dMinimum); |
---|
| 444 | } |
---|
| 445 | } |
---|
| 446 | |
---|
| 447 | // podobnie szukamy minimum dla Part o indeksie iIndex[1] w organizmie 1 |
---|
| 448 | // wsrod niedopasowanych Parts z organizmu 0 |
---|
| 449 | dMinimum = HUGE_VAL; |
---|
| 450 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 451 | { |
---|
| 452 | if (!(m_pMatching->isMatched(0, aiKoniecPierwszejGrupy[0] + i))) |
---|
| 453 | { |
---|
| 454 | // szukamy minimum obliczonej lokalnej odleglosci tylko wsrod |
---|
| 455 | // niedopasowanych jeszcze Parts |
---|
| 456 | if (aadOdleglosciParts[i][iIndex[1]] < dMinimum) |
---|
| 457 | { |
---|
| 458 | dMinimum = aadOdleglosciParts[i][iIndex[1]]; |
---|
| 459 | } |
---|
| 460 | // przy okazji - sprawdz, czy HUGE_VAL jest rzeczywiscie max dla double |
---|
| 461 | assert(aadOdleglosciParts[i][iIndex[1]] < HUGE_VAL); |
---|
| 462 | } |
---|
| 463 | } |
---|
| 464 | // sprawdz, czy minimum znaleziono - musi takie byc, bo jest cos niedopasowanego |
---|
| 465 | assert((dMinimum >= 0.0) && (dMinimum < HUGE_VAL)); |
---|
| 466 | |
---|
| 467 | // teraz zaznaczamy w tablicy te wszystkie Parts, ktore maja |
---|
| 468 | // rzeczywiscie te minimalne odleglosci do Part iIndex[1] w organizmie 1 |
---|
| 469 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 470 | { |
---|
| 471 | if (!(m_pMatching->isMatched(0, aiKoniecPierwszejGrupy[0] + i))) |
---|
| 472 | { |
---|
| 473 | if (aadOdleglosciParts[i][iIndex[1]] == dMinimum) |
---|
| 474 | { |
---|
| 475 | // jesli w danym miejscu tablicy odleglosci jest faktyczne |
---|
| 476 | // minimum odleglosci, to mamy potencjalna pare dla iIndex[1] |
---|
| 477 | apvbCzyMinimalnaOdleglosc[1]->operator[](i) = true; |
---|
| 478 | } |
---|
| 479 | |
---|
| 480 | // sprawdz poprawnosc znalezionego wczesniej minimum |
---|
| 481 | assert(aadOdleglosciParts[i][iIndex[1]] >= dMinimum); |
---|
| 482 | } |
---|
| 483 | } |
---|
| 484 | |
---|
| 485 | // teraz mamy juz poszukane potencjalne grupy dopasowania - musimy |
---|
| 486 | // zdecydowac, co do czego dopasujemy! |
---|
| 487 | // szukamy Part iIndex[0] posrod mozliwych do dopasowania dla Part iIndex[1] |
---|
| 488 | // szukamy takze Part iIndex[1] posrod mozliwych do dopasowania dla Part iIndex[0] |
---|
| 489 | bool PartZ1NaLiscie0 = apvbCzyMinimalnaOdleglosc[0]->operator[](iIndex[1]); |
---|
| 490 | bool PartZ0NaLiscie1 = apvbCzyMinimalnaOdleglosc[1]->operator[](iIndex[0]); |
---|
| 491 | |
---|
| 492 | if (PartZ1NaLiscie0 && PartZ0NaLiscie1) |
---|
| 493 | { |
---|
| 494 | // PRZYPADEK 1. Oba Parts maja sie wzajemnie na listach mozliwych |
---|
| 495 | // dopasowan. |
---|
| 496 | // AKCJA. Dopasowanie wzajemne do siebie. |
---|
| 497 | |
---|
| 498 | m_pMatching->match(0, aiKoniecPierwszejGrupy[0] + iIndex[0], |
---|
| 499 | 1, aiKoniecPierwszejGrupy[1] + iIndex[1]); |
---|
| 500 | |
---|
| 501 | // zmniejsz liczby niedopasowanych elementow w grupach |
---|
| 502 | aiRozmiarGrupy[0]--; |
---|
| 503 | aiRozmiarGrupy[1]--; |
---|
| 504 | // debug - co zostalo dopasowane |
---|
| 505 | DB(printf("Przypadek 1.: dopasowane Parts: (%2i, %2i)\n", aiKoniecPierwszejGrupy[0] |
---|
| 506 | + iIndex[0], aiKoniecPierwszejGrupy[1] + iIndex[1]);) |
---|
| 507 | |
---|
| 508 | }// PRZYPADEK 1. |
---|
| 509 | else |
---|
| 510 | if (PartZ1NaLiscie0 || PartZ0NaLiscie1) |
---|
| 511 | { |
---|
| 512 | // PRZYPADEK 2. Tylko jeden z Parts ma drugiego na swojej liscie |
---|
| 513 | // mozliwych dopasowan |
---|
| 514 | // AKCJA. Dopasowanie jednego jest proste (tego, ktory nie ma |
---|
| 515 | // na swojej liscie drugiego). Dla tego drugiego nalezy powtorzyc |
---|
| 516 | // duza czesc obliczen (znalezc mu nowa mozliwa pare) |
---|
| 517 | |
---|
| 518 | // indeks organizmu, ktorego Part nie ma dopasowywanego Part |
---|
| 519 | // z drugiego organizmu na swojej liscie |
---|
| 520 | int iBezDrugiego; |
---|
| 521 | |
---|
| 522 | // okreslenie indeksu organizmu z dopasowywanym Part |
---|
| 523 | if (!PartZ1NaLiscie0) |
---|
| 524 | { |
---|
| 525 | iBezDrugiego = 0; |
---|
| 526 | } |
---|
| 527 | else |
---|
| 528 | { |
---|
| 529 | iBezDrugiego = 1; |
---|
| 530 | } |
---|
| 531 | // sprawdz indeks organizmu |
---|
| 532 | assert((iBezDrugiego == 0) || (iBezDrugiego == 1)); |
---|
| 533 | |
---|
| 534 | int iDopasowywany = -1; |
---|
| 535 | // poszukujemy pierwszego z listy dopasowania |
---|
| 536 | for (i = 0; i < aiRozmiarCalychGrup[1 - iBezDrugiego]; i++) |
---|
| 537 | { |
---|
| 538 | if (apvbCzyMinimalnaOdleglosc[iBezDrugiego]->operator[](i)) |
---|
| 539 | { |
---|
| 540 | iDopasowywany = i; |
---|
| 541 | break; |
---|
| 542 | } |
---|
| 543 | } |
---|
| 544 | // sprawdz poprawnosc indeksu dopasowywanego (musimy cos znalezc!) |
---|
| 545 | // nieujemny i w odpowiedniej grupie! |
---|
| 546 | assert((iDopasowywany >= 0) && |
---|
| 547 | (iDopasowywany < aiRozmiarCalychGrup[1 - iBezDrugiego])); |
---|
| 548 | |
---|
| 549 | // znalezlismy 1. Part z listy dopasowania - dopasowujemy! |
---|
| 550 | m_pMatching->match( |
---|
| 551 | iBezDrugiego, |
---|
| 552 | aiKoniecPierwszejGrupy[iBezDrugiego] + iIndex[iBezDrugiego], |
---|
| 553 | 1 - iBezDrugiego, |
---|
| 554 | aiKoniecPierwszejGrupy[1 - iBezDrugiego] + iDopasowywany); |
---|
| 555 | DB(printf("Przypadek 2.1.: dopasowane Parts dopasowanie bez drugiego: (%2i, %2i)\n", aiKoniecPierwszejGrupy[iBezDrugiego] + iIndex[iBezDrugiego], |
---|
| 556 | aiKoniecPierwszejGrupy[1 - iBezDrugiego] + iDopasowywany);) |
---|
| 557 | |
---|
| 558 | // zmniejsz liczby niedopasowanych elementow w grupach |
---|
| 559 | aiRozmiarGrupy[0]--; |
---|
| 560 | aiRozmiarGrupy[1]--; |
---|
| 561 | |
---|
| 562 | // sprawdz, czy jest szansa dopasowania tego Part z drugiej strony |
---|
| 563 | // (ktora miala mozliwosc dopasowania tego Part z poprzedniego organizmu) |
---|
| 564 | if ((aiRozmiarGrupy[0] > 0) && (aiRozmiarGrupy[1] > 0)) |
---|
| 565 | { |
---|
| 566 | // jesli grupy sie jeszcze nie wyczrpaly |
---|
| 567 | // to jest mozliwosc dopasowania w organizmie |
---|
| 568 | |
---|
| 569 | int iZDrugim = 1 - iBezDrugiego; |
---|
| 570 | // sprawdz indeks organizmu |
---|
| 571 | assert((iZDrugim == 0) || (iZDrugim == 1)); |
---|
| 572 | |
---|
| 573 | // bedziemy szukac minimum wsrod niedopasowanych - musimy wykasowac |
---|
| 574 | // poprzednie obliczenia minimum |
---|
| 575 | // dla organizmu 1 (o rozmiarze grupy z 0) |
---|
| 576 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 577 | { |
---|
| 578 | apvbCzyMinimalnaOdleglosc[1]->operator[](i) = false; |
---|
| 579 | } |
---|
| 580 | // dla organizmu 0 (o rozmiarze grup z 1) |
---|
| 581 | for (i = 0; i < aiRozmiarCalychGrup[1]; i++) |
---|
| 582 | { |
---|
| 583 | apvbCzyMinimalnaOdleglosc[0]->operator[](i) = false; |
---|
| 584 | } |
---|
| 585 | |
---|
| 586 | // szukamy na nowo minimum dla Part o indeksie iIndex[ iZDrugim ] w organizmie iZDrugim |
---|
| 587 | // wsrod niedopasowanych Parts z organizmu 1 - iZDrugim |
---|
| 588 | dMinimum = HUGE_VAL; |
---|
| 589 | for (i = 0; i < aiRozmiarCalychGrup[1 - iZDrugim]; i++) |
---|
| 590 | { |
---|
| 591 | if (!(m_pMatching->isMatched( |
---|
| 592 | 1 - iZDrugim, |
---|
| 593 | aiKoniecPierwszejGrupy[1 - iZDrugim] + i))) |
---|
| 594 | { |
---|
| 595 | // szukamy minimum obliczonej lokalnej odleglosci tylko wsrod |
---|
| 596 | // niedopasowanych jeszcze Parts |
---|
| 597 | if (iZDrugim == 0) |
---|
| 598 | { |
---|
| 599 | // teraz niestety musimy rozpoznac odpowiedni organizm |
---|
| 600 | // zeby moc indeksowac niesymetryczna tablice |
---|
| 601 | if (aadOdleglosciParts[iIndex[0]][i] < dMinimum) |
---|
| 602 | { |
---|
| 603 | dMinimum = aadOdleglosciParts[iIndex[0]][i]; |
---|
| 604 | } |
---|
| 605 | // przy okazji - sprawdz, czy HUGE_VAL jest rzeczywiscie max dla double |
---|
| 606 | assert(aadOdleglosciParts[iIndex[0]][i] < HUGE_VAL); |
---|
| 607 | |
---|
| 608 | } |
---|
| 609 | else |
---|
| 610 | { |
---|
| 611 | if (aadOdleglosciParts[i][iIndex[1]] < dMinimum) |
---|
| 612 | { |
---|
| 613 | dMinimum = aadOdleglosciParts[i][iIndex[1]]; |
---|
| 614 | } |
---|
| 615 | // przy okazji - sprawdz, czy HUGE_VAL jest rzeczywiscie max dla double |
---|
| 616 | assert(aadOdleglosciParts[i][iIndex[1]] < HUGE_VAL); |
---|
| 617 | } |
---|
| 618 | } |
---|
| 619 | } |
---|
| 620 | // sprawdz, czy minimum znaleziono - musi takie byc, bo jest cos niedopasowanego |
---|
| 621 | assert((dMinimum >= 0.0) && (dMinimum < HUGE_VAL)); |
---|
| 622 | |
---|
| 623 | // teraz zaznaczamy w tablicy te wszystkie Parts, ktore maja |
---|
| 624 | // rzeczywiscie te minimalne odleglosci do Part w organizmie iZDrugim |
---|
| 625 | for (i = 0; i < aiRozmiarCalychGrup[1 - iZDrugim]; i++) |
---|
| 626 | { |
---|
| 627 | if (!(m_pMatching->isMatched( |
---|
| 628 | 1 - iZDrugim, |
---|
| 629 | aiKoniecPierwszejGrupy[1 - iZDrugim] + i))) |
---|
| 630 | { |
---|
| 631 | if (iZDrugim == 0) |
---|
| 632 | { |
---|
| 633 | // teraz niestety musimy rozpoznac odpowiedni organizm |
---|
| 634 | // zeby moc indeksowac niesymetryczna tablice |
---|
| 635 | if (aadOdleglosciParts[iIndex[0]][i] == dMinimum) |
---|
| 636 | { |
---|
| 637 | // jesli w danym miejscu tablicy odleglosci jest faktyczne |
---|
| 638 | // minimum odleglosci, to mamy potencjalna pare dla iIndex[1] |
---|
| 639 | apvbCzyMinimalnaOdleglosc[0]->operator[](i) = true; |
---|
| 640 | } |
---|
| 641 | } |
---|
| 642 | else |
---|
| 643 | { |
---|
| 644 | if (aadOdleglosciParts[i][iIndex[1]] == dMinimum) |
---|
| 645 | { |
---|
| 646 | apvbCzyMinimalnaOdleglosc[1]->operator[](i) = true; |
---|
| 647 | } |
---|
| 648 | } |
---|
| 649 | } |
---|
| 650 | } |
---|
| 651 | |
---|
| 652 | // a teraz - po znalezieniu potencjalnych elementow do dopasowania |
---|
| 653 | // dopasowujemy pierwszy z potencjalnych |
---|
| 654 | iDopasowywany = -1; |
---|
| 655 | for (i = 0; i < aiRozmiarCalychGrup[1 - iZDrugim]; i++) |
---|
| 656 | { |
---|
| 657 | if (apvbCzyMinimalnaOdleglosc[iZDrugim]->operator[](i)) |
---|
| 658 | { |
---|
| 659 | iDopasowywany = i; |
---|
| 660 | break; |
---|
| 661 | } |
---|
| 662 | } |
---|
| 663 | // musielismy znalezc jakiegos dopasowywanego |
---|
| 664 | assert((iDopasowywany >= 0) && |
---|
| 665 | (iDopasowywany < aiRozmiarCalychGrup[1 - iZDrugim])); |
---|
| 666 | |
---|
| 667 | // no to juz mozemy dopasowac |
---|
| 668 | m_pMatching->match( |
---|
| 669 | iZDrugim, |
---|
| 670 | aiKoniecPierwszejGrupy[iZDrugim] + iIndex[iZDrugim], |
---|
| 671 | 1 - iZDrugim, |
---|
| 672 | aiKoniecPierwszejGrupy[1 - iZDrugim] + iDopasowywany); |
---|
| 673 | DB(printf("Przypadek 2.1.: dopasowane Parts dopasowaniebz drugim: (%2i, %2i)\n", aiKoniecPierwszejGrupy[iZDrugim] + iIndex[iZDrugim], aiKoniecPierwszejGrupy[1 - iZDrugim] + iDopasowywany);) |
---|
| 674 | |
---|
| 675 | //aiKoniecPierwszejGrupy[ 1-iBezDrugiego ] + iDopasowywany ;) |
---|
| 676 | //aiKoniecPierwszejGrupy[ 1-iBezDrugiego ] + iDopasowywany ;) |
---|
| 677 | // zmniejsz liczby niedopasowanych elementow w grupach |
---|
| 678 | aiRozmiarGrupy[0]--; |
---|
| 679 | aiRozmiarGrupy[1]--; |
---|
| 680 | |
---|
| 681 | } |
---|
| 682 | else |
---|
| 683 | { |
---|
| 684 | // jedna z grup sie juz wyczerpala |
---|
| 685 | // wiec nie ma mozliwosci dopasowania tego drugiego Partu |
---|
| 686 | /// i trzeba poczekac na zmiane grupy |
---|
| 687 | } |
---|
| 688 | |
---|
| 689 | DB(printf("Przypadek 2.\n");) |
---|
| 690 | |
---|
| 691 | }// PRZYPADEK 2. |
---|
| 692 | else |
---|
| 693 | { |
---|
| 694 | // PRZYPADEK 3. Zaden z Parts nie ma na liscie drugiego |
---|
| 695 | // AKCJA. Niezalezne dopasowanie obu Parts do pierwszych ze swojej listy |
---|
| 696 | |
---|
| 697 | // najpierw dopasujemy do iIndex[0] w organizmie 0 |
---|
| 698 | int iDopasowywany = -1; |
---|
| 699 | // poszukujemy pierwszego z listy dopasowania - w organizmie 1 |
---|
| 700 | for (i = 0; i < aiRozmiarCalychGrup[1]; i++) |
---|
| 701 | { |
---|
| 702 | if (apvbCzyMinimalnaOdleglosc[0]->operator[](i)) |
---|
| 703 | { |
---|
| 704 | iDopasowywany = i; |
---|
| 705 | break; |
---|
| 706 | } |
---|
| 707 | } |
---|
| 708 | // musielismy znalezc jakiegos dopasowywanego |
---|
| 709 | assert((iDopasowywany >= 0) && |
---|
| 710 | (iDopasowywany < aiRozmiarCalychGrup[1])); |
---|
| 711 | |
---|
| 712 | // teraz wlasnie dopasowujemy |
---|
| 713 | m_pMatching->match( |
---|
| 714 | 0, |
---|
| 715 | aiKoniecPierwszejGrupy[0] + iIndex[0], |
---|
| 716 | 1, |
---|
| 717 | aiKoniecPierwszejGrupy[1] + iDopasowywany); |
---|
| 718 | |
---|
| 719 | // zmniejszamy liczbe niedopasowanych Parts |
---|
| 720 | aiRozmiarGrupy[0]--; |
---|
| 721 | aiRozmiarGrupy[1]--; |
---|
| 722 | |
---|
| 723 | // debug - dopasowanie |
---|
| 724 | DB(printf("Przypadek 3.: dopasowane Parts: (%2i, %2i)\n", aiKoniecPierwszejGrupy[0] |
---|
| 725 | + iIndex[0], aiKoniecPierwszejGrupy[1] + iDopasowywany);) |
---|
| 726 | |
---|
| 727 | // teraz dopasowujemy do iIndex[1] w organizmie 1 |
---|
| 728 | iDopasowywany = -1; |
---|
| 729 | // poszukujemy pierwszego z listy dopasowania - w organizmie 0 |
---|
| 730 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 731 | { |
---|
| 732 | if (apvbCzyMinimalnaOdleglosc[1]->operator[](i)) |
---|
| 733 | { |
---|
| 734 | iDopasowywany = i; |
---|
| 735 | break; |
---|
| 736 | } |
---|
| 737 | } |
---|
| 738 | // musielismy znalezc jakiegos dopasowywanego |
---|
| 739 | assert((iDopasowywany >= 0) && |
---|
| 740 | (iDopasowywany < aiRozmiarCalychGrup[0])); |
---|
| 741 | |
---|
| 742 | // no i teraz realizujemy dopasowanie |
---|
| 743 | m_pMatching->match( |
---|
| 744 | 0, |
---|
| 745 | aiKoniecPierwszejGrupy[0] + iDopasowywany, |
---|
| 746 | 1, |
---|
| 747 | aiKoniecPierwszejGrupy[1] + iIndex[1]); |
---|
| 748 | |
---|
| 749 | // zmniejszamy liczbe niedopasowanych Parts |
---|
| 750 | aiRozmiarGrupy[0]--; |
---|
| 751 | aiRozmiarGrupy[1]--; |
---|
| 752 | |
---|
| 753 | // debug - dopasowanie |
---|
| 754 | DB(printf("Przypadek 3.: dopasowane Parts: (%2i, %2i)\n", aiKoniecPierwszejGrupy[0] |
---|
| 755 | + iDopasowywany, aiKoniecPierwszejGrupy[1] + iIndex[1]);) |
---|
| 756 | |
---|
| 757 | |
---|
| 758 | } // PRZYPADEK 3. |
---|
| 759 | |
---|
| 760 | }// if (! bCzyKoniecGrupy) |
---|
| 761 | else |
---|
| 762 | { |
---|
| 763 | // gdy mamy juz koniec grup - musimy zlikwidowac tablice aadOdleglosciParts |
---|
| 764 | // bo za chwilke skonczy sie nam petla |
---|
| 765 | for (i = 0; i < aiRozmiarCalychGrup[0]; i++) |
---|
| 766 | { |
---|
| 767 | SAFEDELETEARRAY(aadOdleglosciParts[i]); |
---|
| 768 | } |
---|
| 769 | SAFEDELETEARRAY(aadOdleglosciParts); |
---|
| 770 | |
---|
| 771 | // musimy tez usunac tablice (wektory) mozliwosci dopasowania |
---|
| 772 | SAFEDELETE(apvbCzyMinimalnaOdleglosc[0]); |
---|
| 773 | SAFEDELETE(apvbCzyMinimalnaOdleglosc[1]); |
---|
| 774 | } |
---|
| 775 | } // while (! bCzyKoniecGrupy) |
---|
| 776 | |
---|
| 777 | // PO DOPASOWANIU WSZYSTKIEGO Z GRUP (CO NAJMNIEJ JEDNEJ GRUPY W CALOSCI) |
---|
| 778 | |
---|
| 779 | // gdy rozmiar ktorejkolwiek z grup dopasowania spadl do zera |
---|
| 780 | // to musimy przesunac KoniecPierwszejGrupy (wszystkie dopasowane) |
---|
| 781 | for (i = 0; i < 2; i++) |
---|
| 782 | { |
---|
| 783 | // grupy nie moga miec mniejszego niz 0 rozmiaru |
---|
| 784 | assert(aiRozmiarGrupy[i] >= 0); |
---|
| 785 | if (aiRozmiarGrupy[i] == 0) |
---|
| 786 | aiKoniecPierwszejGrupy[i] = aiKoniecGrupyDopasowania[i]; |
---|
| 787 | } |
---|
| 788 | |
---|
| 789 | // sprawdzenie warunku konca dopasowywania - gdy nie |
---|
| 790 | // ma juz w jakims organizmie co dopasowywac |
---|
| 791 | if (aiKoniecPierwszejGrupy[0] >= m_aiPartCount[0] || |
---|
| 792 | aiKoniecPierwszejGrupy[1] >= m_aiPartCount[1]) |
---|
| 793 | { |
---|
| 794 | iCzyDopasowane = 1; |
---|
| 795 | } |
---|
| 796 | } // koniec WHILE - petli dopasowania |
---|
| 797 | } |
---|
| 798 | |
---|
| 799 | void SimilMeasureGreedy::copyMatching() |
---|
| 800 | { |
---|
| 801 | SAFEDELETE(tempMatching); |
---|
| 802 | tempMatching = new SimilMatching(*m_pMatching); |
---|
| 803 | } |
---|
| 804 | |
---|
| 805 | void SimilMeasureGreedy::prepareData() |
---|
| 806 | { |
---|
| 807 | // create Parts matching object |
---|
| 808 | m_pMatching = new SimilMatching(models[0]->getPartCount(), models[1]->getPartCount()); |
---|
| 809 | |
---|
| 810 | // utworzenie tablicy rozmiarow |
---|
| 811 | for (int i = 0; i < 2; i++) |
---|
| 812 | { |
---|
| 813 | m_aiPartCount[i] = models[i]->getPartCount(); |
---|
| 814 | } |
---|
| 815 | |
---|
| 816 | // difference in the number of vertices (Parts) - positive |
---|
| 817 | // find object that has less parts (m_iSmaller) |
---|
| 818 | m_iDV = (models[0]->getPartCount() - models[1]->getPartCount()); |
---|
| 819 | if (m_iDV < 0) |
---|
| 820 | m_iDV = -m_iDV; |
---|
| 821 | |
---|
| 822 | // check if index of the smaller organism is a valid index |
---|
| 823 | assert((m_iSmaller == 0) || (m_iSmaller == 1)); |
---|
| 824 | // validate difference in the parts number |
---|
| 825 | assert(m_iDV >= 0); |
---|
| 826 | |
---|
| 827 | if (!createPartInfoTables()) |
---|
| 828 | logPrintf("GreedyMeasure", "PrepareData", LOG_ERROR, "Unable to create part info tables."); |
---|
| 829 | if (!countPartDegrees()) |
---|
| 830 | logPrintf("GreedyMeasure", "PrepareData", LOG_ERROR, "Unable to count part degrees."); |
---|
| 831 | if (!countPartNeurons()) |
---|
| 832 | logPrintf("GreedyMeasure", "PrepareData", LOG_ERROR, "Unable to count part neurons."); |
---|
| 833 | |
---|
| 834 | DB(printf("Przed sortowaniem:\n");) |
---|
| 835 | DB(_PrintDegrees(0);) |
---|
| 836 | DB(_PrintDegrees(1);) |
---|
| 837 | |
---|
| 838 | if (!sortPartInfoTables()) |
---|
| 839 | logPrintf("GreedyMeasure", "PrepareData", LOG_ERROR, "Unable to sort part info tables."); |
---|
| 840 | |
---|
| 841 | DB(printf("Po sortowaniu:\n");) |
---|
| 842 | DB(_PrintDegrees(0);) |
---|
| 843 | DB(_PrintDegrees(1);) |
---|
| 844 | } |
---|
| 845 | |
---|
| 846 | void SimilMeasureGreedy::cleanData() |
---|
| 847 | { |
---|
| 848 | // delete degree arrays created in CreatePartInfoTables |
---|
| 849 | SAFEDELETEARRAY(m_aDegrees[0]); |
---|
| 850 | SAFEDELETEARRAY(m_aDegrees[1]); |
---|
| 851 | |
---|
| 852 | // in fuzzy mode delete arrays of neighbourhood and fuzzy neighbourhood |
---|
| 853 | if (isFuzzy) |
---|
| 854 | { |
---|
| 855 | for (int i = 0; i != 2; ++i) |
---|
| 856 | { |
---|
| 857 | for (int j = 0; j != models[i]->getPartCount(); ++j) |
---|
| 858 | { |
---|
| 859 | delete[] m_Neighbours[i][j]; |
---|
| 860 | delete[] m_fuzzyNeighb[i][j]; |
---|
| 861 | } |
---|
| 862 | delete[] m_Neighbours[i]; |
---|
| 863 | delete[] m_fuzzyNeighb[i]; |
---|
| 864 | } |
---|
| 865 | |
---|
| 866 | } |
---|
| 867 | |
---|
| 868 | // delete created matching |
---|
| 869 | SAFEDELETE(m_pMatching); |
---|
| 870 | |
---|
| 871 | } |
---|
| 872 | |
---|
| 873 | /** Creates arrays holding information about organisms' Parts (m_aDegrees) andm_Neigh |
---|
| 874 | fills them with initial data (original indices and zeros). |
---|
| 875 | Assumptions: |
---|
| 876 | - Models (models) are created and available. |
---|
| 877 | */ |
---|
| 878 | int SimilMeasureGreedy::createPartInfoTables() |
---|
| 879 | { |
---|
| 880 | int i, j, partCount; |
---|
| 881 | // utwórz tablice na informacje o stopniach wierzchołków i liczbie neuroitems |
---|
| 882 | for (i = 0; i < 2; i++) |
---|
| 883 | { |
---|
| 884 | partCount = models[i]->getPartCount(); |
---|
| 885 | // utworz i wypelnij tablice dla Parts wartosciami poczatkowymi |
---|
| 886 | m_aDegrees[i] = new TDN[partCount]; |
---|
| 887 | |
---|
| 888 | if (isFuzzy) |
---|
| 889 | { |
---|
| 890 | m_Neighbours[i] = new int*[partCount]; |
---|
| 891 | m_fuzzyNeighb[i] = new float*[partCount]; |
---|
| 892 | } |
---|
| 893 | |
---|
| 894 | if (m_aDegrees[i] != NULL && ((!isFuzzy) || (m_Neighbours[i] != NULL && m_fuzzyNeighb[i] != NULL))) |
---|
| 895 | { |
---|
| 896 | // wypelnij tablice zgodnie z sensem TDN[0] - orginalny index |
---|
| 897 | // TDN[1], TDN[2], TDN[3] - zerami |
---|
| 898 | DB(printf("m_aDegrees[%i]: %p\n", i, m_aDegrees[i]);) |
---|
| 899 | for (j = 0; j < partCount; j++) |
---|
| 900 | { |
---|
| 901 | m_aDegrees[i][j][0] = j; |
---|
| 902 | m_aDegrees[i][j][1] = 0; |
---|
| 903 | m_aDegrees[i][j][2] = 0; |
---|
| 904 | m_aDegrees[i][j][3] = 0; |
---|
| 905 | m_aDegrees[i][j][4] = 0; |
---|
| 906 | |
---|
| 907 | // sprawdz, czy nie piszemy po jakims szalonym miejscu pamieci |
---|
| 908 | assert(m_aDegrees[i][j] != NULL); |
---|
| 909 | |
---|
| 910 | if (isFuzzy) |
---|
| 911 | { |
---|
| 912 | m_Neighbours[i][j] = new int[partCount]; |
---|
| 913 | for (int k = 0; k < partCount; k++) |
---|
| 914 | { |
---|
| 915 | m_Neighbours[i][j][k] = 0; |
---|
| 916 | } |
---|
| 917 | |
---|
| 918 | m_fuzzyNeighb[i][j] = new float[fuzzyDepth]; |
---|
| 919 | for (int k = 0; k < fuzzyDepth; k++) |
---|
| 920 | { |
---|
| 921 | m_fuzzyNeighb[i][j][k] = 0; |
---|
| 922 | } |
---|
| 923 | |
---|
| 924 | assert(m_Neighbours[i][j] != NULL); |
---|
| 925 | assert(m_fuzzyNeighb[i][j] != NULL); |
---|
| 926 | } |
---|
| 927 | |
---|
| 928 | } |
---|
| 929 | } |
---|
| 930 | else |
---|
| 931 | { |
---|
| 932 | logPrintf("ModelSimil", "CreatePartInfoTables", LOG_ERROR, "Not enough memory?"); |
---|
| 933 | return 0; |
---|
| 934 | } |
---|
| 935 | // wypelnij tablice OnJoints i Anywhere wartościami początkowymi |
---|
| 936 | // OnJoint |
---|
| 937 | m_aOnJoint[i][0] = 0; |
---|
| 938 | m_aOnJoint[i][1] = 0; |
---|
| 939 | m_aOnJoint[i][2] = 0; |
---|
| 940 | m_aOnJoint[i][3] = 0; |
---|
| 941 | // Anywhere |
---|
| 942 | m_aAnywhere[i][0] = 0; |
---|
| 943 | m_aAnywhere[i][1] = 0; |
---|
| 944 | m_aAnywhere[i][2] = 0; |
---|
| 945 | m_aAnywhere[i][3] = 0; |
---|
| 946 | } |
---|
| 947 | return 1; |
---|
| 948 | } |
---|
| 949 | |
---|
| 950 | /** Computes degrees of Parts of both organisms. Fills in the m_aDegrees arrays |
---|
| 951 | with proper information about degrees. |
---|
| 952 | Assumptions: |
---|
| 953 | - Models (models) are created and available. |
---|
| 954 | - Arrays m_aDegrees are created. |
---|
| 955 | */ |
---|
| 956 | int SimilMeasureGreedy::countPartDegrees() |
---|
| 957 | { |
---|
| 958 | Part *P1, *P2; |
---|
| 959 | int i, j, i1, i2; |
---|
| 960 | |
---|
| 961 | // dla obu stworzen oblicz stopnie wierzcholkow |
---|
| 962 | for (i = 0; i < 2; i++) |
---|
| 963 | { |
---|
| 964 | // dla wszystkich jointow |
---|
| 965 | for (j = 0; j < models[i]->getJointCount(); j++) |
---|
| 966 | { |
---|
| 967 | // pobierz kolejny Joint |
---|
| 968 | Joint *J = models[i]->getJoint(j); |
---|
| 969 | // wez jego konce |
---|
| 970 | P1 = J->part1; |
---|
| 971 | P2 = J->part2; |
---|
| 972 | // znajdz ich indeksy w Modelu (indeksy orginalne) |
---|
| 973 | i1 = models[i]->findPart(P1); |
---|
| 974 | i2 = models[i]->findPart(P2); |
---|
| 975 | // zwieksz stopien odpowiednich Parts |
---|
| 976 | m_aDegrees[i][i1][DEG]++; |
---|
| 977 | m_aDegrees[i][i2][DEG]++; |
---|
| 978 | m_aDegrees[i][i1][FUZ_DEG]++; |
---|
| 979 | m_aDegrees[i][i2][FUZ_DEG]++; |
---|
| 980 | if (isFuzzy) |
---|
| 981 | { |
---|
| 982 | m_Neighbours[i][i1][i2] = 1; |
---|
| 983 | m_Neighbours[i][i2][i1] = 1; |
---|
| 984 | } |
---|
| 985 | } |
---|
| 986 | // dla elementow nie osadzonych na Parts (OnJoint, Anywhere) - |
---|
| 987 | // stopnie wierzchołka są już ustalone na zero |
---|
| 988 | } |
---|
| 989 | |
---|
| 990 | if (isFuzzy) |
---|
| 991 | { |
---|
| 992 | countFuzzyNeighb(); |
---|
| 993 | } |
---|
| 994 | |
---|
| 995 | return 1; |
---|
| 996 | } |
---|
| 997 | |
---|
| 998 | void SimilMeasureGreedy::getNeighbIndexes(int mod, int partInd, std::vector<int> &indexes) |
---|
| 999 | { |
---|
| 1000 | indexes.clear(); |
---|
| 1001 | int i, size = models[mod]->getPartCount(); |
---|
| 1002 | |
---|
| 1003 | for (i = 0; i < size; i++) |
---|
| 1004 | { |
---|
| 1005 | if (m_Neighbours[mod][partInd][i] > 0) |
---|
| 1006 | { |
---|
| 1007 | indexes.push_back(i); |
---|
| 1008 | } |
---|
| 1009 | } |
---|
| 1010 | } |
---|
| 1011 | |
---|
| 1012 | int compareFuzzyRows(const void *pa, const void *pb) |
---|
| 1013 | { |
---|
| 1014 | float **a = (float**)pa; |
---|
| 1015 | float **b = (float**)pb; |
---|
| 1016 | |
---|
| 1017 | for (int i = 1; i < fuzzDepth; i++) |
---|
| 1018 | { |
---|
| 1019 | if (a[0][i] > b[0][i]) |
---|
| 1020 | { |
---|
| 1021 | return -1; |
---|
| 1022 | } |
---|
| 1023 | if (a[0][i] < b[0][i]) |
---|
| 1024 | { |
---|
| 1025 | return 1; |
---|
| 1026 | } |
---|
| 1027 | } |
---|
| 1028 | |
---|
| 1029 | return 0; |
---|
| 1030 | } |
---|
| 1031 | |
---|
| 1032 | void SimilMeasureGreedy::fuzzyOrder() |
---|
| 1033 | { |
---|
| 1034 | int i, depth, partInd, prevPartInd, partCount; |
---|
| 1035 | for (int mod = 0; mod < 2; mod++) |
---|
| 1036 | { |
---|
| 1037 | partCount = models[mod]->getPartCount(); |
---|
| 1038 | partInd = m_fuzzyNeighb[mod][partCount - 1][0]; |
---|
| 1039 | m_aDegrees[mod][partInd][FUZ_DEG] = 0; |
---|
| 1040 | |
---|
| 1041 | for (i = (partCount - 2); i >= 0; i--) |
---|
| 1042 | { |
---|
| 1043 | prevPartInd = partInd; |
---|
| 1044 | partInd = m_fuzzyNeighb[mod][i][0]; |
---|
| 1045 | m_aDegrees[mod][partInd][FUZ_DEG] = m_aDegrees[mod][prevPartInd][FUZ_DEG]; |
---|
| 1046 | for (depth = 1; depth < fuzzyDepth; depth++) |
---|
| 1047 | { |
---|
| 1048 | if (m_fuzzyNeighb[mod][i][depth] != m_fuzzyNeighb[mod][i + 1][depth]) |
---|
| 1049 | { |
---|
| 1050 | m_aDegrees[mod][partInd][FUZ_DEG]++; |
---|
| 1051 | break; |
---|
| 1052 | } |
---|
| 1053 | } |
---|
| 1054 | } |
---|
| 1055 | } |
---|
| 1056 | } |
---|
| 1057 | |
---|
| 1058 | //sort according to fuzzy degree |
---|
| 1059 | void SimilMeasureGreedy::sortFuzzyNeighb() |
---|
| 1060 | { |
---|
| 1061 | fuzzDepth = fuzzyDepth; |
---|
| 1062 | for (int mod = 0; mod < 2; mod++) |
---|
| 1063 | { |
---|
| 1064 | std::qsort(m_fuzzyNeighb[mod], (size_t)models[mod]->getPartCount(), sizeof(m_fuzzyNeighb[mod][0]), compareFuzzyRows); |
---|
| 1065 | } |
---|
| 1066 | } |
---|
| 1067 | |
---|
| 1068 | //computes fuzzy vertex degree |
---|
| 1069 | void SimilMeasureGreedy::countFuzzyNeighb() |
---|
| 1070 | { |
---|
| 1071 | std::vector<int> nIndexes; |
---|
| 1072 | float newDeg = 0; |
---|
| 1073 | |
---|
| 1074 | for (int mod = 0; mod < 2; mod++) |
---|
| 1075 | { |
---|
| 1076 | int partCount = models[mod]->getPartCount(); |
---|
| 1077 | |
---|
| 1078 | for (int depth = 0; depth < fuzzyDepth; depth++) |
---|
| 1079 | { |
---|
| 1080 | //use first column for storing indices |
---|
| 1081 | for (int partInd = 0; partInd < partCount; partInd++) |
---|
| 1082 | { |
---|
| 1083 | if (depth == 0) |
---|
| 1084 | { |
---|
| 1085 | m_fuzzyNeighb[mod][partInd][depth] = partInd; |
---|
| 1086 | } |
---|
| 1087 | else if (depth == 1) |
---|
| 1088 | { |
---|
| 1089 | m_fuzzyNeighb[mod][partInd][depth] = m_aDegrees[mod][partInd][DEG]; |
---|
| 1090 | } |
---|
| 1091 | else |
---|
| 1092 | { |
---|
| 1093 | getNeighbIndexes(mod, partInd, nIndexes); |
---|
| 1094 | for (unsigned int k = 0; k < nIndexes.size(); k++) |
---|
| 1095 | { |
---|
| 1096 | newDeg += m_fuzzyNeighb[mod][nIndexes.at(k)][depth - 1]; |
---|
| 1097 | } |
---|
| 1098 | newDeg /= nIndexes.size(); |
---|
| 1099 | m_fuzzyNeighb[mod][partInd][depth] = newDeg; |
---|
| 1100 | for (int mod = 0; mod < 2; mod++) |
---|
| 1101 | { |
---|
| 1102 | int partCount = models[mod]->getPartCount(); |
---|
| 1103 | for (int i = partCount - 1; i >= 0; i--) |
---|
| 1104 | { |
---|
| 1105 | |
---|
| 1106 | } |
---|
| 1107 | } |
---|
| 1108 | newDeg = 0; |
---|
| 1109 | } |
---|
| 1110 | } |
---|
| 1111 | } |
---|
| 1112 | } |
---|
| 1113 | |
---|
| 1114 | sortFuzzyNeighb(); |
---|
| 1115 | fuzzyOrder(); |
---|
| 1116 | } |
---|
| 1117 | |
---|
| 1118 | /** Computes numbers of neurons and neurons' inputs for each Part of each |
---|
| 1119 | organisms and fills in the m_aDegrees array. |
---|
| 1120 | Assumptions: |
---|
| 1121 | - Models (models) are created and available. |
---|
| 1122 | - Arrays m_aDegrees are created. |
---|
| 1123 | */ |
---|
| 1124 | int SimilMeasureGreedy::countPartNeurons() |
---|
| 1125 | { |
---|
| 1126 | // sprawdz zalozenie - o modelach |
---|
| 1127 | assert((models[0] != NULL) && (models[1] != NULL)); |
---|
| 1128 | assert(models[0]->isValid() && models[1]->isValid()); |
---|
| 1129 | |
---|
| 1130 | // sprawdz zalozenie - o tablicach |
---|
| 1131 | assert(m_aDegrees[0] != NULL); |
---|
| 1132 | assert(m_aDegrees[1] != NULL); |
---|
| 1133 | |
---|
| 1134 | Part *P1; |
---|
| 1135 | Joint *J1; |
---|
| 1136 | int i, j, i2, neuro_connections; |
---|
| 1137 | |
---|
| 1138 | // dla obu stworzen oblicz liczbe Neurons + connections dla Parts |
---|
| 1139 | // a takze dla OnJoints i Anywhere |
---|
| 1140 | for (i = 0; i < 2; i++) |
---|
| 1141 | { |
---|
| 1142 | for (j = 0; j < models[i]->getNeuroCount(); j++) |
---|
| 1143 | { |
---|
| 1144 | // pobierz kolejny Neuron |
---|
| 1145 | Neuro *N = models[i]->getNeuro(j); |
---|
| 1146 | // policz liczbe jego wejść i jego samego tez |
---|
| 1147 | // czy warto w ogole liczyc polaczenia...? co to da/spowoduje? |
---|
| 1148 | neuro_connections = N->getInputCount() + 1; |
---|
| 1149 | // wez Part, na ktorym jest Neuron |
---|
| 1150 | P1 = N->getPart(); |
---|
| 1151 | if (P1) |
---|
| 1152 | { |
---|
| 1153 | // dla neuronow osadzonych na Partach |
---|
| 1154 | i2 = models[i]->findPart(P1); // znajdz indeks Part w Modelu |
---|
| 1155 | m_aDegrees[i][i2][2] += neuro_connections; // zwieksz liczbe Connections+Neurons dla tego Part (TDN[2]) |
---|
| 1156 | m_aDegrees[i][i2][3]++; // zwieksz liczbe Neurons dla tego Part (TDN[3]) |
---|
| 1157 | } |
---|
| 1158 | else |
---|
| 1159 | { |
---|
| 1160 | // dla neuronow nie osadzonych na partach |
---|
| 1161 | J1 = N->getJoint(); |
---|
| 1162 | if (J1) |
---|
| 1163 | { |
---|
| 1164 | // dla tych na Jointach |
---|
| 1165 | m_aOnJoint[i][2] += neuro_connections; // zwieksz liczbe Connections+Neurons |
---|
| 1166 | m_aOnJoint[i][3]++; // zwieksz liczbe Neurons |
---|
| 1167 | } |
---|
| 1168 | else |
---|
| 1169 | { |
---|
| 1170 | // dla tych "gdziekolwiek" |
---|
| 1171 | m_aAnywhere[i][2] += neuro_connections; // zwieksz liczbe Connections+Neurons |
---|
| 1172 | m_aAnywhere[i][3]++; // zwieksz liczbe Neurons |
---|
| 1173 | } |
---|
| 1174 | } |
---|
| 1175 | } |
---|
| 1176 | } |
---|
| 1177 | return 1; |
---|
| 1178 | } |
---|
| 1179 | |
---|
| 1180 | /** Sorts arrays m_aDegrees (for each organism) by Part's degree, and then by |
---|
| 1181 | number of neural connections and neurons in groups of Parts with the same |
---|
| 1182 | degree. |
---|
| 1183 | Assumptions: |
---|
| 1184 | - Models (models) are created and available. |
---|
| 1185 | - Arrays m_aDegrees are created. |
---|
| 1186 | @saeDegrees, CompareItemNo |
---|
| 1187 | */ |
---|
| 1188 | int SimilMeasureGreedy::sortPartInfoTables() |
---|
| 1189 | { |
---|
| 1190 | int i; |
---|
| 1191 | int(*pfDegreeFunction) (const void*, const void*) = NULL; |
---|
| 1192 | pfDegreeFunction = isFuzzy ? &compareFuzzyDegrees : &compareDegrees; |
---|
| 1193 | // sortowanie obu tablic wg stopni punktów - TDN[1] |
---|
| 1194 | for (i = 0; i < 2; i++) |
---|
| 1195 | { |
---|
| 1196 | DB(_PrintDegrees(i)); |
---|
| 1197 | std::qsort(m_aDegrees[i], (size_t)(models[i]->getPartCount()), |
---|
| 1198 | sizeof(TDN), pfDegreeFunction); |
---|
| 1199 | DB(_PrintDegrees(i)); |
---|
| 1200 | } |
---|
| 1201 | |
---|
| 1202 | // sprawdzenie wartosci parametru |
---|
| 1203 | DB(i = sizeof(TDN);) |
---|
| 1204 | int degreeType = isFuzzy ? FUZ_DEG : DEG; |
---|
| 1205 | |
---|
| 1206 | // sortowanie obu tablic m_aDegrees wedlug liczby neuronów i |
---|
| 1207 | // czesci neuronu - ale w obrebie grup o tym samym stopniu |
---|
| 1208 | for (i = 0; i < 2; i++) |
---|
| 1209 | { |
---|
| 1210 | int iPocz = 0; |
---|
| 1211 | int iDeg, iNewDeg, iPartCount, j; |
---|
| 1212 | // stopien pierwszego punktu w tablicy Degrees odniesienie |
---|
| 1213 | iDeg = m_aDegrees[i][0][degreeType]; |
---|
| 1214 | iPartCount = models[i]->getPartCount(); |
---|
| 1215 | // po kolei dla kazdego punktu w organizmie |
---|
| 1216 | for (j = 0; j <= iPartCount; j++) |
---|
| 1217 | { |
---|
| 1218 | // sprawdz stopien punktu (lub nadaj 0 - gdy juz koniec tablicy) |
---|
| 1219 | // iNewDeg = (j != iPartCount) ? m_aDegrees[i][j][1] : 0; |
---|
| 1220 | // usunieto stara wersje porownania!!! wprowadzono znak porownania < |
---|
| 1221 | |
---|
| 1222 | iNewDeg = (j < iPartCount) ? m_aDegrees[i][j][degreeType] : 0; |
---|
| 1223 | // skoro tablice sa posortowane wg stopni, to mamy na pewno taka kolejnosc |
---|
| 1224 | assert(iNewDeg <= iDeg); |
---|
| 1225 | if (iNewDeg != iDeg) |
---|
| 1226 | { |
---|
| 1227 | // gdy znaleziono koniec grupy o tym samym stopniu |
---|
| 1228 | // sortuj po liczbie neuronow w obrebie grupy |
---|
| 1229 | DB(_PrintDegrees(i)); |
---|
| 1230 | DB(printf("qsort( poczatek=%i, rozmiar=%i, sizeof(TDN)=%i)\n", iPocz, (j - iPocz), sizeof(TDN));) |
---|
| 1231 | // wyswietlamy z jedna komorka po zakonczeniu tablicy |
---|
| 1232 | DB(_PrintArray(m_aDegrees[i][iPocz], 0, (j - iPocz) * 4);) |
---|
| 1233 | |
---|
| 1234 | std::qsort(m_aDegrees[i][iPocz], (size_t)(j - iPocz), |
---|
| 1235 | sizeof(TDN), SimilMeasureGreedy::compareConnsNo); |
---|
| 1236 | DB(_PrintDegrees(i)); |
---|
| 1237 | // wyswietlamy z jedna komorka po zakonczeniu tablicy |
---|
| 1238 | DB(_PrintArray(m_aDegrees[i][iPocz], 0, (j - iPocz) * 4);) |
---|
| 1239 | // rozpocznij nowa grupe |
---|
| 1240 | iPocz = j; |
---|
| 1241 | iDeg = iNewDeg; |
---|
| 1242 | } |
---|
| 1243 | } |
---|
| 1244 | } |
---|
| 1245 | return 1; |
---|
| 1246 | } |
---|
| 1247 | |
---|
| 1248 | |
---|
| 1249 | /** Prints the state of the matching object. Debug method. |
---|
| 1250 | */ |
---|
| 1251 | void SimilMeasureGreedy::_PrintPartsMatching() |
---|
| 1252 | { |
---|
| 1253 | // assure that matching exists |
---|
| 1254 | assert(m_pMatching != NULL); |
---|
| 1255 | |
---|
| 1256 | printf("Parts matching:\n"); |
---|
| 1257 | m_pMatching->printMatching(); |
---|
| 1258 | } |
---|
| 1259 | |
---|
| 1260 | /** Comparison function required for qsort() call. Used while sorting groups of |
---|
| 1261 | Parts with respect to degree. Compares two TDN structures |
---|
| 1262 | with respect to their [1] field (degree). Highest degree goes first. |
---|
| 1263 | @param pElem1 Pointer to the TDN structure of some Part. |
---|
| 1264 | @param pElem2 Pointer to the TDN structure of some Part. |
---|
| 1265 | @return (-1) - pElem1 should go first, 0 - equal, (1) - pElem2 should go first. |
---|
| 1266 | */ |
---|
| 1267 | int SimilMeasureGreedy::compareDegrees(const void *pElem1, const void *pElem2) |
---|
| 1268 | { |
---|
| 1269 | int *tdn1 = (int *)pElem1; |
---|
| 1270 | int *tdn2 = (int *)pElem2; |
---|
| 1271 | |
---|
| 1272 | if (tdn1[1] > tdn2[1]) |
---|
| 1273 | { |
---|
| 1274 | // when degree - tdn1[1] - is BIGGER |
---|
| 1275 | return -1; |
---|
| 1276 | } |
---|
| 1277 | else |
---|
| 1278 | if (tdn1[1] < tdn2[1]) |
---|
| 1279 | { |
---|
| 1280 | // when degree - tdn2[1] - is BIGGER |
---|
| 1281 | return 1; |
---|
| 1282 | } |
---|
| 1283 | else |
---|
| 1284 | { |
---|
| 1285 | return 0; |
---|
| 1286 | } |
---|
| 1287 | } |
---|
| 1288 | |
---|
| 1289 | /** Comparison function required for qsort() call. Used while sorting groups of |
---|
| 1290 | Parts with respect to fuzzy vertex degree. Compares two TDN structures |
---|
| 1291 | with respect to their [4] field ( fuzzy vertex degree). Highest degree goes first. |
---|
| 1292 | @param pElem1 Pointer to the TDN structure of some Part. |
---|
| 1293 | @param pElem2 Pointer to the TDN structure of some Part. |
---|
| 1294 | @return (-1) - pElem1 should go first, 0 - equal, (1) - pElem2 should go first. |
---|
| 1295 | */ |
---|
| 1296 | int SimilMeasureGreedy::compareFuzzyDegrees(const void *pElem1, const void *pElem2) |
---|
| 1297 | { |
---|
| 1298 | int *tdn1 = (int *)pElem1; |
---|
| 1299 | int *tdn2 = (int *)pElem2; |
---|
| 1300 | |
---|
| 1301 | if (tdn1[4] > tdn2[4]) |
---|
| 1302 | { |
---|
| 1303 | // when degree - tdn1[4] - is BIGGER |
---|
| 1304 | return -1; |
---|
| 1305 | } |
---|
| 1306 | else |
---|
| 1307 | if (tdn1[4] < tdn2[4]) |
---|
| 1308 | { |
---|
| 1309 | // when degree - tdn2[4] - is BIGGER |
---|
| 1310 | return 1; |
---|
| 1311 | } |
---|
| 1312 | else |
---|
| 1313 | { |
---|
| 1314 | return 0; |
---|
| 1315 | } |
---|
| 1316 | } |
---|
| 1317 | |
---|
| 1318 | /** Comparison function required for qsort() call. Used while sorting groups of Parts with |
---|
| 1319 | the same degree. Firstly, compare NIt. Secondly, compare Neu. If both are equal - |
---|
| 1320 | compare Parts' original index (they are never equal). So this sorting assures |
---|
| 1321 | that the order obtained is deterministic. |
---|
| 1322 | @param pElem1 Pointer to the TDN structure of some Part. |
---|
| 1323 | @param pElem2 Pointer to the TDN structure of some Part. |
---|
| 1324 | @return (-1) - pElem1 should go first, 0 - equal, (1) - pElem2 should go first. |
---|
| 1325 | */ |
---|
| 1326 | int SimilMeasureGreedy::compareConnsNo(const void *pElem1, const void *pElem2) |
---|
| 1327 | { |
---|
| 1328 | // pointers to TDN arrays |
---|
| 1329 | int *tdn1, *tdn2; |
---|
| 1330 | // definitions of elements being compared |
---|
| 1331 | tdn1 = (int *)pElem1; |
---|
| 1332 | tdn2 = (int *)pElem2; |
---|
| 1333 | |
---|
| 1334 | // comparison according to Neural Connections (to jest TDN[2]) |
---|
| 1335 | if (tdn1[NEUR_CONNS] > tdn2[NEUR_CONNS]) |
---|
| 1336 | { |
---|
| 1337 | // when number of NConn Elem1 is BIGGER |
---|
| 1338 | return -1; |
---|
| 1339 | } |
---|
| 1340 | else |
---|
| 1341 | if (tdn1[NEUR_CONNS] < tdn2[NEUR_CONNS]) |
---|
| 1342 | { |
---|
| 1343 | // when number of NConn Elem1 is SMALLER |
---|
| 1344 | return 1; |
---|
| 1345 | } |
---|
| 1346 | else |
---|
| 1347 | { |
---|
| 1348 | // when numbers of NConn are EQUAL |
---|
| 1349 | // compare Neu numbers (TDN[3]) |
---|
| 1350 | if (tdn1[NEUROS] > tdn2[NEUROS]) |
---|
| 1351 | { |
---|
| 1352 | // when number of Neu is BIGGER for Elem1 |
---|
| 1353 | return -1; |
---|
| 1354 | } |
---|
| 1355 | else |
---|
| 1356 | if (tdn1[NEUROS] < tdn2[NEUROS]) |
---|
| 1357 | { |
---|
| 1358 | // when number of Neu is SMALLER for Elem1 |
---|
| 1359 | return 1; |
---|
| 1360 | } |
---|
| 1361 | else |
---|
| 1362 | { |
---|
| 1363 | // when numbers of Nconn and Neu are equal we check original indices |
---|
| 1364 | // of Parts being compared |
---|
| 1365 | |
---|
| 1366 | // comparison according to OrgIndex |
---|
| 1367 | if (tdn1[ORG_IND] > tdn2[ORG_IND]) |
---|
| 1368 | { |
---|
| 1369 | // when the number of NIt Deg1 id BIGGER |
---|
| 1370 | return -1; |
---|
| 1371 | } |
---|
| 1372 | else |
---|
| 1373 | if (tdn1[ORG_IND] < tdn2[ORG_IND]) |
---|
| 1374 | { |
---|
| 1375 | // when the number of NIt Deg1 id SMALLER |
---|
| 1376 | return 1; |
---|
| 1377 | } |
---|
| 1378 | else |
---|
| 1379 | { |
---|
| 1380 | // impossible, indices are alway different |
---|
| 1381 | return 0; |
---|
| 1382 | } |
---|
| 1383 | } |
---|
| 1384 | } |
---|
| 1385 | } |
---|
| 1386 | |
---|
| 1387 | /** Returns number of factors involved in final distance computation. |
---|
| 1388 | These factors include differences in numbers of parts, degrees, |
---|
| 1389 | number of neurons. |
---|
| 1390 | */ |
---|
| 1391 | int SimilMeasureGreedy::getNOFactors() |
---|
| 1392 | { |
---|
| 1393 | return SimilMeasureGreedy::iNOFactors; |
---|
| 1394 | } |
---|
| 1395 | |
---|
| 1396 | /** Prints the array of degrees for the given organism. Debug method. |
---|
| 1397 | */ |
---|
| 1398 | void SimilMeasureGreedy::_PrintDegrees(int i) |
---|
| 1399 | { |
---|
| 1400 | int j; |
---|
| 1401 | printf("Organizm %i :", i); |
---|
| 1402 | printf("\n "); |
---|
| 1403 | for (j = 0; j < models[i]->getPartCount(); j++) |
---|
| 1404 | printf("%3i ", j); |
---|
| 1405 | printf("\nInd: "); |
---|
| 1406 | for (j = 0; j < models[i]->getPartCount(); j++) |
---|
| 1407 | printf("%3i ", (int)m_aDegrees[i][j][0]); |
---|
| 1408 | printf("\nDeg: "); |
---|
| 1409 | for (j = 0; j < models[i]->getPartCount(); j++) |
---|
| 1410 | printf("%3i ", (int)m_aDegrees[i][j][1]); |
---|
| 1411 | printf("\nNIt: "); |
---|
| 1412 | for (j = 0; j < models[i]->getPartCount(); j++) |
---|
| 1413 | printf("%3i ", (int)m_aDegrees[i][j][2]); |
---|
| 1414 | printf("\nNeu: "); |
---|
| 1415 | for (j = 0; j < models[i]->getPartCount(); j++) |
---|
| 1416 | printf("%3i ", (int)m_aDegrees[i][j][3]); |
---|
| 1417 | printf("\n"); |
---|
| 1418 | } |
---|
| 1419 | |
---|
| 1420 | /** Prints one array of ints. Debug method. |
---|
| 1421 | @param array Base pointer of the array. |
---|
| 1422 | @param base First index of the array's element. |
---|
| 1423 | @param size Number of elements to print. |
---|
| 1424 | */ |
---|
| 1425 | void SimilMeasureGreedy::_PrintArray(int *array, int base, int size) |
---|
| 1426 | { |
---|
| 1427 | int i; |
---|
| 1428 | for (i = base; i < base + size; i++) |
---|
| 1429 | { |
---|
| 1430 | printf("%i ", array[i]); |
---|
| 1431 | } |
---|
| 1432 | printf("\n"); |
---|
| 1433 | } |
---|
| 1434 | |
---|
| 1435 | void SimilMeasureGreedy::_PrintArrayDouble(double *array, int base, int size) |
---|
| 1436 | { |
---|
| 1437 | int i; |
---|
| 1438 | for (i = base; i < base + size; i++) |
---|
| 1439 | { |
---|
| 1440 | printf("%f ", array[i]); |
---|
| 1441 | } |
---|
| 1442 | printf("\n"); |
---|
| 1443 | } |
---|
| 1444 | |
---|
| 1445 | /** Prints one array of parts neighbourhood. |
---|
| 1446 | @param index of organism |
---|
| 1447 | */ |
---|
| 1448 | void SimilMeasureGreedy::_PrintNeighbourhood(int o) |
---|
| 1449 | { |
---|
| 1450 | assert(m_Neighbours[o] != 0); |
---|
| 1451 | printf("Neighbourhhod of organism %i\n", o); |
---|
| 1452 | int size = models[o]->getPartCount(); |
---|
| 1453 | for (int i = 0; i < size; i++) |
---|
| 1454 | { |
---|
| 1455 | for (int j = 0; j < size; j++) |
---|
| 1456 | { |
---|
| 1457 | printf("%i ", m_Neighbours[o][i][j]); |
---|
| 1458 | } |
---|
| 1459 | printf("\n"); |
---|
| 1460 | } |
---|
| 1461 | } |
---|
| 1462 | |
---|
| 1463 | /** Prints one array of parts fuzzy neighbourhood. |
---|
| 1464 | @param index of organism |
---|
| 1465 | */ |
---|
| 1466 | void SimilMeasureGreedy::_PrintFuzzyNeighbourhood(int o) |
---|
| 1467 | { |
---|
| 1468 | assert(m_fuzzyNeighb[o] != NULL); |
---|
| 1469 | printf("Fuzzy neighbourhhod of organism %i\n", o); |
---|
| 1470 | int size = models[o]->getPartCount(); |
---|
| 1471 | for (int i = 0; i < size; i++) |
---|
| 1472 | { |
---|
| 1473 | for (int j = 0; j < fuzzyDepth; j++) |
---|
| 1474 | { |
---|
| 1475 | printf("%f ", m_fuzzyNeighb[o][i][j]); |
---|
| 1476 | } |
---|
| 1477 | printf("\n"); |
---|
| 1478 | } |
---|
| 1479 | } |
---|
| 1480 | |
---|
| 1481 | int SimilMeasureGreedy::setParams(std::vector<double> params) |
---|
| 1482 | { |
---|
| 1483 | int i = 0; |
---|
| 1484 | for (i = 0; i < SimilMeasureGreedy::iNOFactors; i++) |
---|
| 1485 | m_adFactors[i] = params.at(i); |
---|
| 1486 | fixedZaxis = params.at(i); |
---|
| 1487 | return 0; |
---|
| 1488 | } |
---|