分布式仿真SNN的思考（二）

经过漫长的思考，我依然无法为昨天的第二个问题找到合适的解决方法。然后今天依然对整体的放着进行思考，找出规律再去写代码。考虑SNN网络：

那么他的邻接表gabal_adj:

0	1	2
1	3
2	1	3
3	4	5
4	6
5	2
6	5	3

假设有两个进程模拟，第a个进程上的SNN拓扑：

 

则他的邻接adj1表应该为

0	1	2
1
2	1
3
4
5	2
6

 标红意味着他不在此进程。第b个进程上的拓扑

 

则他的邻接表的表示adj2为

0
1	3
2	3
3	4	5
4	6
5
6	5	3

将这些数据放在一起有：

从以上的三张表中很容易得到神经元需要传递给的后突触和神经元，也可以识别是否传递给其它进程，但是需要一直维持一个全局的邻接表，感觉代价有点大。但换一种思考，只存储每个神经元的后神经元的个数，即

根据一定adj1[i].size()<=global_adj[i]. 很容易可以看出

当一个神经元i是本地神经元时，且adj1[i].size()

当一个神经元i是本地神经元时，且adj1[i].size()=global_adj[i].size()，那么一定是本地脉冲

当一个神经元i不是本地神经元，adj1[i].size()=global_adj[i].size()，远程脉冲

当一个神经元i不是本地神经元，adj1[i].size()

由此我们就可以解决之前提出的问题。