种群和种群之间连接的设计

本文介绍: 我们知道神经元的创建方式是以种群为基础的，一个种群内的所有神经元的参数都一样，而种群与种群之间的连接也是随机概率的。创建的邻接表存储在名为 global _adjace nc y中，在主函数中创建神经元和突触。在创建神经元的同时给每一个神经元附上一个 gid。在连接两个神经元群落时，需要设置连接点概率。就可以实现群落的是神经元的创建和连接。

我们知道神经元的创建方式是以种群为基础的，一个种群内的所有神经元的参数都一样，而种群与种群之间的连接也是随机概率的。所以我们首先应该设计一个Pop ul a t ion的结构，考虑其需要的元素有神经元gid 集合和种群好，所设计数据结构如下：

创建神经元为

在创建神经元的同时给每一个神经元附上一个gid。

在连接两个神经元群落时，需要设置连接点概率

void ConnectionManager::connect(int source_group_id, int target_group_id,double connection_probability)
{
    //获取源种群和目标的神经元gid的集合
    std::vector<int&gt; source_neuron_group = populations[source_group_id].neuron_gid_group;
    std::vector<int&gt; target_neuron_group = populations[target_group_id].neuron_gid_group;
    //打乱两个数组，保证随机性
    std::random_shuffle(source_neuron_group.begin(), source_neuron_group.end());
    std::random_shuffle(target_neuron_group.begin(), target_neuron_group.end());

    // 根据连接概率和目标种群的神经元数量随机生成连接数量
    std::default_random_engine generator;
    generator.seed(rand01());
    std::binomial_distribution<> gen(target_neuron_group.size(), connection_probability);

    for (int ii = 0; ii < source_neuron_group.size(); ii++)
    {
        int index = source_neuron_group[ii]; //原神经元的gid
        int num_connections = gen(generator);//连接数量

        // 设置随机位置
        int rand_conn =  static_cast<int>(rand01() * target_neuron_group.size());

        if (num_connections == 0)
            continue;
        //调整邻接表大小
        //global_adjacency[index].resize(global_adjacency[index].size() + num_connections);

        if ((num_connections + rand_conn) > target_neuron_group.size())
        {
            int diff = target_neuron_group.size() - rand_conn;
            global_adjacency[index].insert(global_adjacency[index].end(), target_neuron_group.end() - diff, target_neuron_group.end());
            num_connections = num_connections - diff;
            global_adjacency[index].insert(global_adjacency[index].end(), target_neuron_group.begin(), target_neuron_group.begin() + diff);
        }
        else
        {
            global_adjacency[index].insert(global_adjacency[index].end(), target_neuron_group.begin() + rand_conn, target_neuron_group.begin() + num_connections + rand_conn);
        }
    }

}