一种改进的遗传聚类拓扑分簇算法

发布时间：2024-03-16 03:42

　　针对标准遗传算法在拓扑分簇中由于收敛速度慢而引发网络时延能耗不均的问题,提出了一种快速收敛的最优簇聚类算法。文中在网络能耗最小的基础上引入了遗传搜索最优簇原理,设计了网络能耗最优模型。通过P矩阵改进簇心编码,缩小最优簇心的搜索空间;构造自适应遗传算子操作,定向指导搜索方向,提高局部寻优的搜索效率;利用一步迭代策略改善全局搜索,提高迭代过程中的分簇精度。实验结果表明,该算法能够高效实现网络拓扑均匀划分,节点聚类准确率比标准遗传算法提高约15%;与REDDC算法和粗糙C-Leach算法相比,最高可延长网络生存寿命84%。

【文章页数】：6 页

【文章目录】：
1 基础理论
    1.1 遗传搜索
    1.2 网络拓扑最优簇模型
2 改进的遗传聚类拓扑分簇算法
    2.1 算法具体实现
        2.1.1 网络能耗最优模型的构建
        2.1.2 P矩阵编码簇心
        2.1.3 自适应遗传算子的构造
        2.1.4 一步迭代策略
    2.2 实验仿真与分析
        2.2.1 最优簇头数选择
        2.2.2 拓扑划分仿真
        2.2.3 网络能耗仿真实验
3 结论



本文编号：3929061