Potential* doBNLinearVariableElimination(int nxq, int* xq, int nxe, int* xe, Potential** findings, BayesNet* bayesnet, int* elmorder, Graph* moral) {
Variable* first = NULL; // Primeira variável a ser eliminada do potencial
VertexNode* current = NULL; // Variável auxiliar para percorrer o Moral Graph
Potential* result = NULL; // Potencial resultante da sequencia de operações
Potential* potential = NULL; // Variável potencial auxiliar
Elimination** eliminations = NULL; // Array com operções de eliminações
int varelmorder[bnsize(bayesnet)]; // Mapa o id da variável para a ordem de eliminação
int used[bnsize(bayesnet)]; // Vetor de flag para indicar se um potencial foi utilizado
SingleLinkedListNode* sllcurrent;
int i,j,id;
int nvars, ct_used;
// Número de variáveis
nvars = graphsize(moral);
// Aloca o espaço necessário para o array de operações
eliminations = malloc(nvars*sizeof(Elimination*));
for (i=0;i<nvars;i++) {
// Inicializa o mapa
varelmorder[elmorder[i]] = i;
// Inicializa a flag
used[elmorder[i]] = 0;
// Monta as eliminações e popula varelmorder
eliminations[i] = (Elimination*) buildElimination(i,bayesnet->variables[elmorder[i]],1);
}
// Tomando Xq, se não NULL, marca as operações que não devem ser marginalizadas
if (xq!=NULL) { // Apenas por segurança
for (i=0;i<nxq;i++) eliminations[varelmorder[xq[i]]]->marginalize = 0;
}
for (i=0, ct_used=0;i<nvars && ct_used<nvars;i++) {
// Atribui os potenciais da operação de eliminação
// 1. Verifica o nó da variável "da vez"
if (!used[elmorder[i]]) {
id = elmorder[i];
if (findings && findings[id]) {
// Marginaliza a distribuição de probabilidade se necessário
potential =(bayesnet->potentials[id]->nvars>1)?marginalizeNotRequired(moral,bayesnet->potentials[id]):NULL;
// Produto do finding pela distribuição de probabilidade
sllappend(&eliminations[i]->potentials,multPotentials((potential?potential:bayesnet->potentials[id]),findings[id]));
// Libera o espaço alocado (se necessário)
if (potential) destroyPotential(&potential);
} else {
sllappend(&eliminations[i]->potentials,bayesnet->potentials[id]);
}
used[id] = 1;
ct_used++;
}
// 2. Verifica os filhos da variável "da vez"
current = getVertexChildren(getVertexById(&bayesnet->graph,elmorder[i]))->first;
while (current!=NULL) {
if (getVertexById(&moral,current->vertex->id) && !used[current->vertex->id]) {
id = current->vertex->id;
if (findings && findings[id]) {
// Marginaliza a distribuição de probabilidade se necessário
potential =(bayesnet->potentials[id]->nvars>1)?marginalizeNotRequired(moral,bayesnet->potentials[id]):NULL;
// Produto do finding pela distribuição de probabilidade
sllappend(&eliminations[i]->potentials,multPotentials((potential?potential:bayesnet->potentials[id]),findings[id]));
// Libera o espaço alocado (se necessário)
if (potential) destroyPotential(&potential);
} else {
sllappend(&eliminations[i]->potentials,bayesnet->potentials[id]);
}
used[id] = 1;
ct_used++;
}
current = current->next;
}
}
// Executa linearmente a eliminação de variáveis
for (i=0;i<nvars;i++) {
// Executa a eliminação
executeElimination(&eliminations[i]);
// Adiciona o resultado a uma operação futura
if (i<(nvars-1)) {
// Identifica em cada potencial a primeira variável a ser eliminada
first = NULL;
potential = eliminations[i]->result;
for (j=0;j<potential->nvars;j++) {
if (varelmorder[potential->vars[j]->id]>i) {
if (first==NULL || varelmorder[potential->vars[j]->id] < varelmorder[first->id]) first = potential->vars[j];
}
}
// Adiciona o potential à operação de eliminação correspondente à próxima variável a ser eliminada
if (first!=NULL) sllappend(&eliminations[varelmorder[first->id]]->potentials,potential);
}
}
// Copia o resultado da última eliminação
result = buildPotential(-1,eliminations[(nvars-1)]->result->nvars,eliminations[(nvars-1)]->result->vars,eliminations[(nvars-1)]->result->values);
// Normaliza o resultado final se necessário
if (result!=NULL) normalize(result->nvalues,&result->values);
// Desaloca a memória alocada para esta iteração preservando as demais estruturas
// Elimina as operações executadas
for (i=0;i<nvars;i++) destroyElimination(&eliminations[i]);
free(eliminations);
eliminations = NULL;
return result;
}
// Método que constroi a árvore de eliminação de threads
ThreadTree* buildBNThreadTree(int nxq, int* xq, int nxe, int* xe, Potential** findings,BayesNet* bayesnet, int* elmorder, Graph* moral, Graph* elmtree,MPI_Comm *everyone) {
int msg = -1;
MPI_Comm t;
ThreadTree* threadtree = NULL; // Árvore de Threads
ThreadVertex* thread = NULL; // Variável auxiliar que instancia um vértive da árvore de threads
VertexNode* child; // Nó de uma lista ligada simples
VertexNode* current = NULL; // Variável auxiliar para percorrer o Moral Graph
Potential* result = NULL; // Potencial resultante da sequencia de operações
Potential* potential = NULL; // Variável potencial auxiliar
int varelmorder[bnsize(bayesnet)]; // Mapa o id da variável para a ordem de eliminação
int used[bnsize(bayesnet)]; // Vetor de flag para indicar se um potencial foi utilizado
Elimination** eliminations = NULL;
int nvars, ct_used;;
int i,j,id;;
// Número de variáveis envolvidas, pode não ser toda a rede
nvars = graphsize(elmtree);
//MPI_Comm_spawn(char *command, char *argv[], int maxprocs, MPI_Info info, int root, MPI_Comm comm, MPI_Comm *intercomm, int array_of_errcodes[])
MPI_Comm_spawn("./mpitask",MPI_ARGV_NULL,nvars,MPI_INFO_NULL,0,MPI_COMM_SELF,everyone,MPI_ERRCODES_IGNORE);
//MPI_Bcast(&msg,1,MPI_INT,MPI_ROOT,t);
// Monta a estrutura que será utilizada para passar dados para as threads
eliminations = malloc(nvars*sizeof(Elimination*));
// Constrói a árvore de thread
threadtree = buildThreadTree();
// Cria-se as threads vértices
for (i=0;i<nvars;i++) {
// Inicializa o mapa
varelmorder[elmorder[i]] = i;
// Inicializa a flag
used[elmorder[i]] = 0;
// Monta as eliminações e popula varelmorder
eliminations[i] = (Elimination*) buildElimination(i,bayesnet->variables[elmorder[i]],1);
// Constrói uma thread da árvore de thread
thread = buildThreadVertex(taskVariableElimination,(void*)(eliminations));
// Atribui o vértice à árvore de threads
addThreadVertex(&threadtree,&thread);
}
// Adiciona os arcos de dependência
for (i=0;i<nvars;i++) {
child = (getVertexChildren(getVertex(&elmtree,i)))->first;
while (child!=NULL) {
addTreeArcByIds(&threadtree,i,child->vertex->id);
child = child->next;
}
}
//---
// Tomando Xq, se não NULL, marca as operações que não devem ser marginalizadas
if (xq!=NULL) { // Apenas por segurança
for (i=0;i<nxq;i++) eliminations[varelmorder[xq[i]]]->marginalize = 0;
}
for (i=0, ct_used=0;i<nvars && ct_used<nvars;i++) {
// Atribui os potenciais da operação de eliminação
// 1. Verifica o nó da variável "da vez"
if (!used[elmorder[i]]) {
id = elmorder[i];
if (findings && findings[id]) {
// Marginaliza a distribuição de probabilidade se necessário
potential =(bayesnet->potentials[id]->nvars>1)?marginalizeNotRequired(moral,bayesnet->potentials[id]):NULL;
// Produto do finding pela distribuição de probabilidade
sllappend(&eliminations[i]->potentials,multPotentials((potential?potential:bayesnet->potentials[id]),findings[id]));
// Libera o espaço alocado (se necessário)
if (potential) destroyPotential(&potential);
} else {
sllappend(&eliminations[i]->potentials,bayesnet->potentials[id]);
}
used[id] = 1;
ct_used++;
}
// 2. Verifica os filhos da variável "da vez"
current = getVertexChildren(getVertexById(&bayesnet->graph,elmorder[i]))->first;
while (current!=NULL) {
if (getVertexById(&moral,current->vertex->id) && !used[current->vertex->id]) {
id = current->vertex->id;
if (findings && findings[id]) {
// Marginaliza a distribuição de probabilidade se necessário
potential =(bayesnet->potentials[id]->nvars>1)?marginalizeNotRequired(moral,bayesnet->potentials[id]):NULL;
// Produto do finding pela distribuição de probabilidade
sllappend(&eliminations[i]->potentials,multPotentials((potential?potential:bayesnet->potentials[id]),findings[id]));
// Libera o espaço alocado (se necessário)
if (potential) destroyPotential(&potential);
} else {
sllappend(&eliminations[i]->potentials,bayesnet->potentials[id]);
}
used[id] = 1;
ct_used++;
}
current = current->next;
}
// Fixa o número de potenciais fixos na elimiantion
eliminations[i]->nconst = slllength(eliminations[i]->potentials);
}
//---
// Tem que atribuir NULL para liberar a memória pois eu fiz um malloc explicito para ela
eliminations = NULL;
return threadtree;
}
static boolean
seemsbad(char *s)
/* Check graph string for apparent problem, if so, correct it */
{
int i,j,k,m,n;
char *p,x,pq;
set *gj;
long ii;
int r,rr,topbit,nb,lastj;
graph g[16];
if (s[0] != ':') return FALSE; /* not sparse6 */
n = graphsize(s);
if (n != 2 && n != 4 && n != 8 && n != 16) return FALSE;
m = 1;
stringtograph(s,g,m);
if (g[n-1] != bit[n-1]) return FALSE;
if (g[n-2] == 0) return FALSE;
g[n-1] = 0;
p = s+2;
for (i = n-1, nb = 0; i != 0 ; i >>= 1, ++nb) {}
topbit = 1 << (nb-1);
k = 6;
x = 0;
lastj = 0;
for (j = 0; j < n; ++j)
{
gj = GRAPHROW(g,j,m);
for (i = 0; i <= j; ++i)
{
if (ISELEMENT(gj,i))
{
if (j == lastj)
{
x <<= 1;
if (--k == 0)
{
p++;
k = 6;
x = 0;
}
}
else
{
x = (x << 1) | 1;
if (--k == 0)
{
p++;
k = 6;
x = 0;
}
if (j > lastj+1)
{
for (r = 0, rr = j; r < nb; ++r, rr <<= 1)
{
if (rr & topbit) x = (x << 1) | 1;
else x <<= 1;
if (--k == 0)
{
p++;
k = 6;
x = 0;
}
}
x <<= 1;
if (--k == 0)
{
p++;
k = 6;
x = 0;
}
}
lastj = j;
}
for (r = 0, rr = i; r < nb; ++r, rr <<= 1)
{
if (rr & topbit) x = (x << 1) | 1;
else x <<= 1;
if (--k == 0)
{
p++;
k = 6;
x = 0;
}
}
}
}
}
if (k != 6)
{
if (k >= nb+1 && lastj == n-2 && n == (1<<nb))
{
*p++ = BIAS6 + ((x << k) | ((1 << (k-1)) - 1));
return TRUE;
}
else
return FALSE;
}
}
