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