Cleaned up part of BP code
authorJoris Mooij <joris.mooij@tuebingen.mpg.de>
Fri, 17 Jul 2009 19:57:43 +0000 (21:57 +0200)
committerJoris Mooij <joris.mooij@tuebingen.mpg.de>
Fri, 17 Jul 2009 19:57:43 +0000 (21:57 +0200)
include/dai/factor.h
src/bp.cpp

index 9027b31..d719e7a 100644 (file)
@@ -42,7 +42,7 @@
 namespace dai {
 
 
-// Function object similar to std::divides(), but different in that dividing by zero results in zero
+/// Function object similar to std::divides(), but different in that dividing by zero results in zero
 template<typename T> struct divides0 : public std::binary_function<T, T, T> {
     T operator()(const T& i, const T& j) const {
         if( j == (T)0 )
index 0b0046e..17fc9d8 100644 (file)
@@ -145,18 +145,6 @@ void BP::init() {
 
 
 void BP::findMaxResidual( size_t &i, size_t &_I ) {
-/*
-    i = 0;
-    _I = 0;
-    double maxres = residual( i, _I );
-    for( size_t j = 0; j < nrVars(); ++j )
-        foreach( const Neighbor &I, nbV(j) )
-            if( residual( j, I.iter ) > maxres ) {
-                i = j;
-                _I = I.iter;
-                maxres = residual( i, _I );
-            }
-*/
     assert( !_lut.empty() );
     LutType::const_iterator largestEl = _lut.end();
     --largestEl;
@@ -169,41 +157,36 @@ void BP::calcNewMessage( size_t i, size_t _I ) {
     // calculate updated message I->i
     size_t I = nbV(i,_I);
 
-    if( !DAI_BP_FAST ) {
-        /* UNOPTIMIZED (SIMPLE TO READ, BUT SLOW) VERSION */
-        Factor prod( factor( I ) );
-        foreach( const Neighbor &j, nbF(I) )
-            if( j != i ) {     // for all j in I \ i
-                foreach( const Neighbor &J, nbV(j) )
-                    if( J != I ) {     // for all J in nb(j) \ I 
-                        prod *= Factor( var(j), message(j, J.iter) );
-                    }
-            }
-        newMessage(i,_I) = prod.marginal( var(i) ).p();
-    } else {
-        /* OPTIMIZED VERSION */
-        Prob prod( factor(I).p() );
-        if( props.logdomain ) 
-            prod.takeLog();
+    Factor Fprod( factor(I) );
+    Prob &prod = Fprod.p();
+    if( props.logdomain ) 
+        prod.takeLog();
+
+    // Calculate product of incoming messages and factor I
+    foreach( const Neighbor &j, nbF(I) )
+        if( j != i ) { // for all j in I \ i
+            // prod_j will be the product of messages coming into j
+            Prob prod_j( var(j).states(), props.logdomain ? 0.0 : 1.0 ); 
+            foreach( const Neighbor &J, nbV(j) )
+                if( J != I ) { // for all J in nb(j) \ I 
+                    if( props.logdomain )
+                        prod_j += message( j, J.iter );
+                    else
+                        prod_j *= message( j, J.iter );
+                }
 
-        // Calculate product of incoming messages and factor I
-        foreach( const Neighbor &j, nbF(I) ) {
-            if( j != i ) {     // for all j in I \ i
+            // multiply prod with prod_j
+            if( !DAI_BP_FAST ) {
+                /* UNOPTIMIZED (SIMPLE TO READ, BUT SLOW) VERSION */
+                if( props.logdomain )
+                    Fprod += Factor( var(j), prod_j );
+                else
+                    Fprod *= Factor( var(j), prod_j );
+            } else {
+                /* OPTIMIZED VERSION */
                 size_t _I = j.dual;
                 // ind is the precalculated IndexFor(j,I) i.e. to x_I == k corresponds x_j == ind[k]
                 const ind_t &ind = index(j, _I);
-
-                // prod_j will be the product of messages coming into j
-                Prob prod_j( var(j).states(), props.logdomain ? 0.0 : 1.0 ); 
-                foreach( const Neighbor &J, nbV(j) )
-                    if( J != I ) { // for all J in nb(j) \ I 
-                        if( props.logdomain )
-                            prod_j += message( j, J.iter );
-                        else
-                            prod_j *= message( j, J.iter );
-                    }
-
-                // multiply prod with prod_j
                 for( size_t r = 0; r < prod.size(); ++r )
                     if( props.logdomain )
                         prod[r] += prod_j[ind[r]];
@@ -211,13 +194,23 @@ void BP::calcNewMessage( size_t i, size_t _I ) {
                         prod[r] *= prod_j[ind[r]];
             }
         }
-        if( props.logdomain ) {
-            prod -= prod.max();
-            prod.takeExp();
-        }
 
-        // Marginalize onto i
-        Prob marg( var(i).states(), 0.0 );
+    if( props.logdomain ) {
+        prod -= prod.max();
+        prod.takeExp();
+    }
+
+    // Marginalize onto i
+    Prob marg;
+    if( !DAI_BP_FAST ) {
+        /* UNOPTIMIZED (SIMPLE TO READ, BUT SLOW) VERSION */
+        if( props.inference == Properties::InfType::SUMPROD ) 
+            marg = Fprod.marginal( var(i) ).p();
+        else
+            marg = Fprod.maxMarginal( var(i) ).p();
+    } else {
+        /* OPTIMIZED VERSION */
+        marg = Prob( var(i).states(), 0.0 );
         // ind is the precalculated IndexFor(i,I) i.e. to x_I == k corresponds x_i == ind[k]
         const ind_t ind = index(i,_I);
         if( props.inference == Properties::InfType::SUMPROD ) 
@@ -228,14 +221,14 @@ void BP::calcNewMessage( size_t i, size_t _I ) {
                 if( prod[r] > marg[ind[r]] ) 
                     marg[ind[r]] = prod[r];
         marg.normalize();
-
-        // Store result
-        if( props.logdomain )
-            newMessage(i,_I) = marg.log();
-        else
-            newMessage(i,_I) = marg;
     }
 
+    // Store result
+    if( props.logdomain )
+        newMessage(i,_I) = marg.log();
+    else
+        newMessage(i,_I) = marg;
+
     // Update the residual if necessary
     if( props.updates == Properties::UpdateType::SEQMAX )
         updateResidual( i, _I , dist( newMessage( i, _I ), message( i, _I ), Prob::DISTLINF ) );
@@ -360,34 +353,46 @@ void BP::calcBeliefV( size_t i, Prob &p ) const {
 
 
 void BP::calcBeliefF( size_t I, Prob &p ) const {
-    p = factor(I).p();
-    if( props.logdomain )
-        p.takeLog();
+    Factor Fprod( factor( I ) );
+    Prob &prod = Fprod.p();
 
-    foreach( const Neighbor &j, nbF(I) ) {
-        size_t _I = j.dual;
-        // ind is the precalculated IndexFor(j,I) i.e. to x_I == k corresponds x_j == ind[k]
-        const ind_t & ind = index(j, _I);
+    if( props.logdomain ) 
+        prod.takeLog();
 
+    foreach( const Neighbor &j, nbF(I) ) {
         // prod_j will be the product of messages coming into j
-        Prob prod_j( var(j).states(), props.logdomain ? 0.0 : 1.0 ); 
-        foreach( const Neighbor &J, nbV(j) ) {
+        Prob prod_j( var(j).states(), props.logdomain ? 0.0 : 1.0 );
+        foreach( const Neighbor &J, nbV(j) )
             if( J != I ) { // for all J in nb(j) \ I 
                 if( props.logdomain )
                     prod_j += newMessage( j, J.iter );
                 else
                     prod_j *= newMessage( j, J.iter );
             }
-        }
 
-        // multiply p with prod_j
-        for( size_t r = 0; r < p.size(); ++r ) {
+        // multiply prod with prod_j
+        if( !DAI_BP_FAST ) {
+            /* UNOPTIMIZED (SIMPLE TO READ, BUT SLOW) VERSION */
             if( props.logdomain )
-                p[r] += prod_j[ind[r]];
+                Fprod += Factor( var(j), prod_j );
             else
-                p[r] *= prod_j[ind[r]];
+                Fprod *= Factor( var(j), prod_j );
+        } else {
+            /* OPTIMIZED VERSION */
+            size_t _I = j.dual;
+            // ind is the precalculated IndexFor(j,I) i.e. to x_I == k corresponds x_j == ind[k]
+            const ind_t & ind = index(j, _I);
+
+            for( size_t r = 0; r < prod.size(); ++r ) {
+                if( props.logdomain )
+                    prod[r] += prod_j[ind[r]];
+                else
+                    prod[r] *= prod_j[ind[r]];
+            }
         }
     }
+
+    p = prod;
 }
 
 
@@ -399,12 +404,26 @@ Factor BP::beliefV( size_t i ) const {
         p -= p.max();
         p.takeExp();
     }
-
     p.normalize();
+
     return( Factor( var(i), p ) );
 }
 
 
+Factor BP::beliefF( size_t I ) const {
+    Prob p;
+    calcBeliefF( I, p );
+
+    if( props.logdomain ) {
+        p -= p.max();
+        p.takeExp();
+    }
+    p.normalize();
+
+    return( Factor( factor(I).vars(), p ) );
+}
+
+
 Factor BP::belief( const Var &n ) const {
     return( beliefV( findVar( n ) ) );
 }
@@ -434,37 +453,6 @@ Factor BP::belief( const VarSet &ns ) const {
 }
 
 
-Factor BP::beliefF( size_t I ) const {
-    if( !DAI_BP_FAST ) {
-        /*  UNOPTIMIZED (SIMPLE TO READ, BUT SLOW) VERSION */
-
-        Factor prod( factor(I) );
-        foreach( const Neighbor &j, nbF(I) ) {
-            foreach( const Neighbor &J, nbV(j) ) {
-                if( J != I )  // for all J in nb(j) \ I
-                    prod *= Factor( var(j), newMessage(j, J.iter) );
-            }
-        }
-        return prod.normalized();
-    } else {
-        /* OPTIMIZED VERSION */
-
-        Prob prod;
-        calcBeliefF( I, prod );
-
-        if( props.logdomain ) {
-            prod -= prod.max();
-            prod.takeExp();
-        }
-        prod.normalize();
-
-        Factor result( factor(I).vars(), prod );
-
-        return( result );
-    }
-}
-
-
 Real BP::logZ() const {
     Real sum = 0.0;
     for(size_t i = 0; i < nrVars(); ++i )