c++ 代码_不是吧，MATLAB代码居然能直接转成C/C++代码

各位小伙伴可在闲鱼搜索 优化算法交流地，即可搜索到官方闲鱼账号， 谨防上当受骗 。

前一段时间在工作中遇到这样一个实际问题，项目主体部分是用C++写的，但其中有一小部分算法是用MATLAB写的。于是乎，我第一想法是如何用C++把MATLAB中的代码实现出来。

这时，一位前辈语重心长地和我说：“可以去网上找一下MATLAB Coder。”

当时听完一脸懵逼，什么是MATLAB Coder？它有什么用？

于是在网上查阅了一些资料之后，发现MATLAB Coder实际上是MATLAB自带的一个应用程序。这个应用程序的牛X之处在于它可以直接将MATLAB代码转换成C/C++代码。

就在我以为使用MATLAB Coder可以轻松地转换时，但是在实际使用过程中依然遇到一些雷区，这些雷区是在网上查不到。

为了防止小伙伴继续“踩雷”，今天详细地讲解一下如何使用MATLAB Coder将MATLAB代码转换成C/C++代码？如何避免一些“雷区”？

---

01 | 准备工作在使用MATLAB Coder前，我们需要先对MATLAB代码进行一些处理，主要包括：

(1)删除MATLAB代码中所有的注释(这是第一个“雷区”，必须要把MATLAB代码中注释全部删干净，否则无法成功转换)。

(2)删除MATLAB代码中画图和打印部分的代码，简而言之，就是把什么plot、disp之类的代码全部删除掉。如果不删除这些代码，则会导致无法成功转换，这是第二个“雷区”。

(3)如果在MATLAB代码中想要把一个未知行(列)数的数据储存在矩阵中，常规的做法是先令这个储存的矩阵A为空。

A=[];

假设要添加的若干行数据，每次添加的数据都为B。然后可以用如下的代码将要添加的数据添加进来。

A=[A;B];

这其实是最容易忽视的一个“雷区”，C/C++不允许你MATLAB存在这么牛X的方法，因此如果MATLAB代码中存在上述类型添加数据的代码，那么是无法成功转换的。

解决方案：先求出究竟需要添加多少行数据？然后再添加数据。

假设经计算需要添加m行数据，且添加数据的列数都为n，那么可以先初始化储存的矩阵A，然后再通过计数器的方式循环添加数据。

1,n);

---

02 | 封装主函数

因为主函数为脚本函数，在转换之前需要先将脚本函数转换为一个常规的函数，即有明确输入和输出的函数。

以遗传算法(GA)求解旅行商问题(TSP)MATLAB代码讲解这篇推文的主函数为例，原来主函数的代码如下：

%
%      @作者：随心390
%      @微信公众号：优化算法交流地
%
tic
clear
clc
%% 输入数据
x=[38.24,39.57,40.56,36.26,33.48,37.56,38.42,37.52,41.23,41.17,36.08,38.47,38.15,37.51,35.49,39.36,38.09,36.09,40.44,40.33,40.37,37.57];
y=[20.42,26.15,25.32,23.12,10.54,12.19,13.11,20.44,9.100,13.05,-5.210,15.13,15.35,15.17,14.32,19.56,24.36,23,13.57,14.15,14.23,22.56];
vertexs=[x;y]';
n=length(x);                    %城市数目
h=pdist(vertexs);
dist=squareform(h);             %距离矩阵
%% 遗传算法参数设置
NIND=50;                        %种群大小
MAXGEN=1000;                    %迭代次数
Pc=0.8;                         %交叉概率
Pm=0.2;                         %变异概率
pSwap=0.2;                      %选择交换结构的概率
pReversion=0.5;                 %选择逆转结构的概率
pInsertion=1-pSwap-pReversion;  %选择插入结构的概率
N=n;                            %染色体长度=城市数目
%% 种群初始化
Chrom=InitPop(NIND,N);
%% 优化
gen=1;                          %计数器
bestChrom=Chrom(1,:);           %初始全局最优个体
bestL=RouteLength(bestChrom,dist);%初始全局最优个体的总距离
BestChrom=zeros(MAXGEN,N);      %记录每次迭代过程中全局最优个体
BestL=zeros(MAXGEN,1);          %记录每次迭代过程中全局最优个体的总距离
while gen<=MAXGEN
    %二元锦标赛选择
    SelCh=BinaryTourment_Select(Chrom,dist);
    %OX交叉
    SelCh=Recombin(SelCh,Pc);
    %变异
    SelCh=Mutate(SelCh,Pm,pSwap,pReversion,pInsertion);
    %将Chrom更新为SelCh
    Chrom=SelCh;
    %计算当前代所有个体总距离
    Obj=ObjFunction(Chrom,dist);
    %找出当前代中最优个体
    [minObj,minIndex]=min(Obj);
    %将当前代中最优个体与全局最优个体进行比较，如果当前代最优个体更好，则将全局最优个体进行替换
    if minObj<=bestL
        bestChrom=Chrom(minIndex,:);
        bestL=minObj;
    end
    %记录每一代全局最优个体，及其总距离
    BestChrom(gen,:)=bestChrom;
    BestL(gen,:)=bestL;
    %显示外层循环每次迭代的信全局最优路线的总距离
    disp(['第' num2str(gen) '次迭代：全局最优路线总距离 = ' num2str(bestL)]);
    %画出每次迭代的全局最优路线图
    figure(1);
    PlotRoute(bestChrom,x,y)
    pause(0.01);
    %计数器加1
    gen=gen+1;
end
%% 打印每次迭代的全局最优个体的总距离变化趋势图
figure;
plot(BestL,'LineWidth',1);
title('优化过程')
xlabel('迭代次数');
ylabel('总距离');
toc

封装之后的主函数如下：

%% 封装后的主函数
%输入x,y：城市的x,y坐标
%输入NIND：种群大小
%输入MAXGEN：迭代次数
%输入Pc：交叉概率
%输入Pm：变异概率
%输入pSwap：选择交换结构的概率
%输入pReversion：选择逆转结构的概率
%输入pInsertion：选择插入结构的概率
%输出bestChrom：全局最优个体
function bestChrom=GA_TSP(x,y,NIND,MAXGEN,Pc,Pm,pSwap,pReversion,pInsertion)
%% 输入数据vertexs=[x;y]';n=length(x);                    %城市数目h=pdist(vertexs);dist=squareform(h);             %距离矩阵N=n;                            %染色体长度=城市数目
%% 种群初始化Chrom=InitPop(NIND,N);
%% 优化gen=1;                          %计数器bestChrom=Chrom(1,:);           %初始全局最优个体bestL=RouteLength(bestChrom,dist);%初始全局最优个体的总距离BestChrom=zeros(MAXGEN,N);      %记录每次迭代过程中全局最优个体BestL=zeros(MAXGEN,1);          %记录每次迭代过程中全局最优个体的总距离while gen<=MAXGEN
    %二元锦标赛选择SelCh=BinaryTourment_Select(Chrom,dist);
    %OX交叉SelCh=Recombin(SelCh,Pc);
    %变异SelCh=Mutate(SelCh,Pm,pSwap,pReversion,pInsertion);
    %将Chrom更新为SelChChrom=SelCh;
    %计算当前代所有个体总距离Obj=ObjFunction(Chrom,dist);
    %找出当前代中最优个体
    [minObj,minIndex]=min(Obj);
    %将当前代中最优个体与全局最优个体进行比较，如果当前代最优个体更好，则将全局最优个体进行替换if minObj<=bestLbestChrom=Chrom(minIndex,:);bestL=minObj;end
    %记录每一代全局最优个体，及其总距离BestChrom(gen,:)=bestChrom;BestL(gen,:)=bestL;
    %显示外层循环每次迭代的信全局最优路线的总距离disp(['第' num2str(gen) '次迭代：全局最优路线总距离 = ' num2str(bestL)]);
    %画出每次迭代的全局最优路线图figure(1);PlotRoute(bestChrom,x,y)pause(0.01);
    %计数器加1gen=gen+1;end
%% 打印每次迭代的全局最优个体的总距离变化趋势图figure;plot(BestL,'LineWidth',1);title('优化过程')xlabel('迭代次数');ylabel('总距离');end

---

03 | 新建一个脚本函数

在封装完主函数后，删除掉原来的脚本函数GA_TSP。再新建一个脚本函数TEST，在这个脚本函数中给出封装后的主函数的输入数据，具体代码如下：

‍

clear
clc
x=[38.24,39.57,40.56,36.26,33.48,37.56,38.42,37.52,41.23,41.17,36.08,38.47,38.15,37.51,35.49,39.36,38.09,36.09,40.44,40.33,40.37,37.57];
y=[20.42,26.15,25.32,23.12,10.54,12.19,13.11,20.44,9.100,13.05,-5.210,15.13,15.35,15.17,14.32,19.56,24.36,23,13.57,14.15,14.23,22.56];
NIND=50;                      
MAXGEN=1000;                    
Pc=0.8;                   
Pm=0.2;                       
pSwap=0.2;                    
pReversion=0.5;               
pInsertion=1-pSwap-pReversion;  
bestChrom=GA_TSP(x,y,NIND,MAXGEN,Pc,Pm,pSwap,pReversion,pInsertion);

---

04 | 开始转换

这里我们已经将注释、画图和打印部分的代码全部删除完毕。

STEP1：点击MATLAB Coder

STEP2：添加封装后的GA_TSP函数。

STEP3：根据提示修改代码

这里我们将OX函数进行修改，修改后的OX函数代码如下：

function [a,b]=OX(a,b)L=length(a);while 1r=randi([1,L],1,2);r1=r(1);r2=r(2);if r1~=r2s=min([r1,r2]);e=max([r1,r2]);a0=zeros(1,L+e-s+1);b0=zeros(1,L+e-s+1);a0(1:e-s+1)=b(s:e);a0(e-s+2:L+e-s+1)=a;b0(1:e-s+1)=a(s:e);b0(e-s+2:L+e-s+1)=b;for i=1:length(a0)aindex=find(a0==a0(i));bindex=find(b0==b0(i));if length(aindex)>1a0(aindex(2))=[];endif length(bindex)>1b0(bindex(2))=[];endif i==length(a)breakendenda=a0;b=b0;breakendend

STEP4：重复前3步操作，在STEP2点击NEXT后，直接来到定义输入变量类型这一步。

STEP5：检验运行环境

发现又报错了，按照要求修改OX函数，这次报错的原因是OX函数代码中的第10行和第11行，这两行代码是常见的第三个“雷区”，修改后的OX函数如下：

function [a0,b0]=OX(a,b)L=length(a);while 1r=randi([1,L],1,2);r1=r(1);r2=r(2);if r1~=r2s=min([r1,r2]);e=max([r1,r2]);a0=zeros(1,L+e-s+1);b0=zeros(1,L+e-s+1);a0(1:e-s+1)=b(s:e);a0(e-s+2:L+e-s+1)=a;b0(1:e-s+1)=a(s:e);b0(e-s+2:L+e-s+1)=b;for i=1:length(a0)aindex=find(a0==a0(i));bindex=find(b0==b0(i));if length(aindex)>1a0(aindex(2))=[];endif length(bindex)>1b0(bindex(2))=[];endif i==length(a)breakendendbreakendend

继续重复前几步到STEP5，又发现了新的报错。

报错信息是C中if语句中的条件不能像MATLAB这么写，于是对Mutate函数做出一些修改，修改后的函数如下：

function SelCh=Mutate(SelCh,Pm,pSwap,pReversion,pInsertion)NSel=size(SelCh,1);for i=1:NSelif Pm>=randindex=Roulette(pSwap,pReversion,pInsertion);route1=SelCh(i,:);flag=zeros(1,3);flag(1)= index==1;flag(2)= index==2;flag(3)= index==3;if flag(1)route2=Swap(route1);elseif flag(2)route2=Reversion(route1);elseroute2=Insertion(route1);endSelCh(i,:)=route2;endend

再一次重复前几步到STEP5，这一次终于成功了。

STEP6：点击Gnerate生成C代码，在MATLAB代码文件夹下多了2个文件和1个文件夹，转换出的C代码在codegen文件夹->lib文件夹->GA_TSP文件夹下。

至此，使用MATLAB Coder应用程序成功将遗传算法(GA)求解旅行商问题(TSP)MATLAB代码讲解这篇推文的MATLAB代码转换为C代码。

各位小伙伴可参与免费送付费代码，第二波这篇推文的活动，免费领取付费代码。

点击下方小程序写留言

写留言

往期精选

• 号内搜索

• 头脑风暴优化(BSO)算法求解旅行商问题(TSP)(附MATLAB代码)

• 一种新颖的交叉算子——头脑风暴优化(BSO)算法求解旅行商问题(TSP)预备知识

• 头脑风暴优化(BSO)算法(附MATLAB代码)

• 如何自学智能优化算法？

• 遗传模拟退火算法求解旅行商(TSP)问题MATLAB代码讲解

• 遗传模拟退火算法求解旅行商(TSP)问题

• 车辆路径问题(VRP)合集

• 旅行商问题(TSP)合辑

• MATLAB导入txt文件技巧大全

• 遗传算法(GA)求解旅行商问题(TSP)MATLAB代码讲解

• 遗传算法求解0-1背包问题(附matlab源代码)
• 模拟退火(SA)算法求解旅行商 (TSP)问题MATLAB代码讲解
• 多目标优化 | 基于NSGA-II的多目标0-1背包问题求解(附matlab代码)
• 多目标优化 | NSGA-II进阶教程(全网首个三目标优化教程)
• 机器学习 | 基于遗传算法的BP神经网络优化算法(附MATLAB代码)
• 遗传算法求解车间调度问题(附MATLAB代码)
• 多目标优化 | NSGA-II
• word转换为pdf后图片失真的解决办法(全网首发)
• 机器学习 | 简单实现Bp神经网络
• 二维装箱问题之BL法修正版(附MATLAB代码)
• 快速入门文献管理软件-EndNote X9
• 最小二乘法(附MATLAB代码)
• NSGA-II多目标优化算法讲解(附MATLAB代码)
• 基于人工势场法的机器人二维路径规划(附MATLAB代码)
• 基于粒子群算法的多目标搜索算法讲解(附MATLAB代码)
• 蚁群算法通俗讲解(附MATLAB代码)
• 混合粒子群算法通俗讲解(附MATLAB代码)

知乎 | bilibili：随心390

长按识别二维码关注我们 觉得内容还不错的话，给我点个“在看”呗