一种基于广度优先搜索的集群划分优化方法技术

本发明专利技术公开了一种基于广度优先搜索的集群划分优化方法，属于无线自组织网络领域，具体为：针对n个无人机组成的原始FANET网络拓扑，构建无交叉边的优化拓扑图并划分为m个群，依据最小节点度和最小分离距离最大化两项选取原则确定各群的初始聚类中心；然后，通过广度优先搜索实现各群的群组成员平衡增长，完成对无人机节点的初步无遗漏群组划分，得到边界节点集合并对各群进行重分配。最后，计算重分配后各群的所有节点位置均值作为虚拟中心，并选取距离该虚拟中心最近的实节点作为正式聚类中心，由此得到最终的无人机集群划分。本发明专利技术采用"群增长‑边界优化‑中心更新"的迭代过程，平衡各群规模的同时有效减少群间通信流量，降低网络通信开销。

【技术实现步骤摘要】

本专利技术属于无线自组织网络领域，具体是一种基于广度优先搜索的集群划分优化方法。

技术介绍

1、无人机自组网(fanet)性能的关键因素之一是网络拓扑结构，现有fanet主要采用平面网状和立体分层网状两种拓扑结构；

2、在平面网状结构中，所有节点地位平等，无主次之分，每个节点均需维护和更新路由信息。然而，这种结构在节点数量多或覆盖范围广的场景下表现不佳，可能导致网络扩展性差、通信开销过大等问题。因此，大规模自组织网络通常采用立体分层网状结构，通过集群划分算法提升网络的可控性和管理效率。

3、近年来，国内外学者对集群划分算法进行了广泛研究。传统的分群算法主要包括最大邻居数目(max degree)算法和最小id(lowest id)算法。最大邻居数目算法选择邻居数量最多的无人机作为群首(cluster head,ch)，能够缩短端到端时延，但可能导致群首负载过高，引发局部资源紧张和网络拥塞。最小id算法则选择id最小的节点作为群首，虽然实现简单，但容易导致群首能量消耗过快，影响网络整体寿命且在高动态环境下稳定性较差。

4、本文档来自技高网...

【技术保护点】

1.一种基于广度优先搜索的集群划分优化方法，其特征在于，具体步骤如下：

2.如权利要求1所述的一种基于广度优先搜索的集群划分优化方法，其特征在于，所述步骤一中，原始FANET网络拓扑建模为无向图G＝(P,L)，其中P＝{p1,p2,p3,...,pn}，表示网络的n个无人机节点组成的集合，表示节点间链路集合，其中d表征两无人机节点之间的距离；

3.如权利要求1所述的一种基于广度优先搜索的集群划分优化方法，其特征在于，所述步骤二中，将优化拓扑图划分为m个群的约束条件为：节点分群不存在重叠且无遗漏，即：

4.如权利要求1所述的一种基于广度优先搜索的集群划分...

【技术特征摘要】

1.一种基于广度优先搜索的集群划分优化方法，其特征在于，具体步骤如下：

2.如权利要求1所述的一种基于广度优先搜索的集群划分优化方法，其特征在于，所述步骤一中，原始fanet网络拓扑建模为无向图g＝(p,l)，其中p＝{p1,p2,p3,...,pn}，表示网络的n个无人机节点组成的集合，表示节点间链路集合，其中d表征两无人机节点之间的距离；

3.如权利要求1所述的一种基于广度优先搜索的集群划分优化方法，其特征在于，所述步骤二中，将优化拓扑图划分为m个群的约束条件为：节点分群不存在重叠且无遗漏，即：

4.如权利要求1所述的一种基于广度优先搜索的集群划分优化方法，其特征在于，所述步骤二中，...

【专利技术属性】
技术研发人员：徐桢，庄文慧，景志航，刘锋，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：