一种多簇头的Ad Hoc分簇算法

随着个人无线通讯设备的发展,Ad hoc网络已经成为网络发展的趋势.分簇算法作为一种划分网络结构的方法,有着重要的意义.本文提出了一种Ad hoc网络的分簇方法：首先,基于地理位置信息将网络划分成网格,每个网格为一个簇.其次,规定网格中的某区域为簇首生成区,每个簇生成多个簇首,即一个簇由多个簇头生成的三层树结构组成.文中对簇头个数的确定以及节点在簇与簇之间移动时产生的信息开销进行了计算,并给出了仿真结果.     

一种Ad Hoc网络混合式分簇路由算法

提出了一种Ad Hoc网络混合式分簇路由算法。在分簇的基础上,簇内使用先验式路由,簇间使用反应式路由,充分利用了分簇结构的特点和优势,将分簇算法与路由算法有机结合,有效地提高了网络的路由发现效率。与AODV,DSR的仿真结果进行比较表明,该算法路由控制开销小,路由速度快,占用带宽少,健壮性好。     

Ad Hoc网络中一种基于权值的分簇算法

Ad Hoc网络是一种多跳的自组织网络,网络是由移动的节点组成。Ad Hoc网络的许多应用都依赖层次结构的支持,簇结构是Ad Hoc网络中应用最为广泛的层次结构,而这种层次结构的形成和维护依赖于某种分簇算法。提出了一种新的基于权值的分簇算法(NWBCA),该算法考虑了移动节点的最佳连接度和电池能量两个因素,通过对算法进行分析和仿真测试,证明了该算法的有效性。     

Ad Hoc网分簇算法探讨

对Ad Hoc网的分簇算法进行了深入的研究,提出一种用于Ad Hoc网络的分簇算法,该算法以改善分簇结构网络总体性能,减少系统总体开销,有效提高移动节点可靠性为目标.文中对该算法进行了详细描述,对其性能进行了分析研究.     

基于DSR的位置预测分簇算法

提出一种将动态源路由(DSR)协议与基于位置预测的分簇算法相结合的Ad hoc网络路由算法.算法中利用位置预测算法进行分簇,簇内成员无需路由功能,同时根据实际需要和应用环境做出合理的位置判断,针对动态变化的无线网络环境,进行归一化处理.算法中位置信息通过GPS或者自定位算法获取,簇头运行DSR协议充当路由转发器,使不同簇节点之间的通信依赖于各簇的簇头,大大减少了网络路由信息的冗余.模拟结果显示该算法性能具有良好的分组递交率和较低的平均端到端分组时延.     

一种节点特征累积的自适应加权分簇算法

本文针对Ad Hoc网络的稳定性问题,提出一种AOW-ANC分簇算法,该算法通过减少簇的更新次数来增强Ad Hoc网络的稳定性.其原理是通过节点的积累特征形成能适应变化环境的簇,并采用尽量避免机制和控制相应的因子来优化网络.仿真实验证明,该算法在实际应用环境中具有较好的稳定性和自适应性.     

基于小波神经网络预测的Ad Hoc网络分簇算法

针对Ad Hoc网络拓扑结构的动态特性,利用小波神经网络预测模型对节点地理位置进行预测.将预测的总保持时间与阈值比较,可以测得簇在下一时刻的稳定性.如果该簇结构在下一时刻趋于不稳定,则在链路失效之前启动路由预修复机制,以避免链路频繁断裂,从而大幅提高了网络性能.仿真结果表明,与传统最小ID算法和未加预测机制的LWCA分簇算法进行比较,所提出的分簇算法分组投递率分别提高了7%和5%,路由中断次数降低了约63%和50%.     

NAOW:一种改进的Ad Hoc网络AOW算法

针对Ad Hoc网络中异构网络节点的负载均衡问题和节点快速移动的稳定问题,提出一种改进的AOW算法即NAOW算法。通过增加节点处理能力属性,并赋予各节点不同的属性值,从而模拟异构网络中各种节点的性能,并用平均相对移动速度取代绝对移动速度,考虑整个簇而非单个节点的稳定性,从而减少统治集更新数。研究结果表明:在同构网络下,采用NAOW算法的负载均衡因子与其他算法相比有明显提高;在异构网络下,NAOW算法的负载均衡因子在不同传输范围内都有提高,且统治集更新数在实际应用网络的传输范围内有明显减少,增加了整个簇的稳定性。     

Ad hoc网络中的分簇算法比较

文章阐述了Ad hoc网络的体系结构和存在的问题。对Ad hoc网络中的典型分簇算法进行了详尽的比较分析.     

一种多簇头的Ad Hoc分簇算法

随着个人无线通讯设备的发展,Ad hoc网络已经成为网络发展的趋势.分簇算法作为一种划分网络结构的方法,有着重要的意义.本文提出了一种Ad hoc网络的分簇方法:首先,基于地理位置信息将网络划分成网格,每个网格为一个簇.其次,规定网格中的某区域为簇首生成区,每个簇生成多个簇首,即一个簇由多个簇头生成的三层树结构组成.文中对簇头个数的确定以及节点在簇与簇之间移动时产生的信息开销进行了计算,并给出了仿真结果.     

Ad hoc网络中一种自适应的分布式权值簇生成算法

应用分簇算法得到的分级结构能提高Ad hoc网络的总体性能,本文在前人研究的基础上提出了一种自适应的分布式权值簇生成算法,簇首的选择基于节点移动性,最小平均发射功率,节点度及节点剩余能量四个参数的加权和.文中对算法思想,分簇建立和维护过程进行了详细描述,仿真结果表明该算法较以前提出的算法更具有稳定性和负载均衡的优点.     

一种具有成员限制的移动自组网络簇生成算法

在移动自组网络中,许多应用都依赖层次结构的支持.簇结构是移动自组网络中应用最为广泛的层次结构.然而,由于受节点的资源限制,当节点密度较高时,簇首不可能服务所有邻居节点.基于max-degree算法提出一种具有成员限制的簇生成算法CMLA,根据簇首节点选择成员的方式不同,提出了最小权值、最大权值以及随机簇成员选择策略.模拟实验表明,在节点密度较高的移动自组网络中,采用最小权值簇成员选择策略的CMLA算法在簇首节点数量以及负载均衡度等方面均优于其他策略和算法.     

一种基于密度的网格动态聚类算法的研究

聚类算法是数据挖掘领域中一个非常重要的研究方向.至今为止人们已经提出了许多适用于大规模的、高维的数据库的聚类算法.基于密度的聚类算法是其中一个比较典型的研究方向,文中以DBSCAN为基础,提出一种基于密度的网格动态聚类算法.新算法将网格的原理运用到基于密度的聚类算法中,并采用了动态的参数法,能自动根据数据的分布情况进行必要的参数更改,有效减少DBSCAN对初始参数的敏感度,从而提高了聚类的效率和效果,降低了算法I/O的开销.算法不仅能挖掘出各种形状的聚类,并能准确的挖掘出数据集中突出的聚类.     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

A Novel Multi-Level Trust Algorithm for Mobile Ad Hoc Networks

Firstly, a multilevel trust algorithm for MANET （mobile ad hoe networks） is presented in this paper and the trust level is defined as a three-tuple type in this multilevel trust algorithm. The paper introduces the multilevel trust into MANET, thereby controlling restricted classified information flows among nodes that have different trust levels. Secondly, the infrastructure of MANET that suit to our multi-level trust is presented, Some conclusions are given at lastly.     

一种用于移动Ad hoc网络的自适应分布式权值分簇算法

利用分簇算法得到的分层结构可以提高移动Ad hoc网络性能.为有效解决Ad hoc网络簇结构的稳定性问题,在现有分簇算法基础上提出一种自适应分布式权值分簇算法.通过计算每个节点的移动性、平均邻居距离、节点度以及能量消耗4个因素的加权和而实现对随机分布节点自适应动态分簇,同时利用可用度优化簇内节点数.仿真结果表明,新分簇算法相对于已有的分簇算法具有更好的稳定性和负载均衡的优点.     

A KNN-based two-step fuzzy clustering weighted algorithm for WLAN indoor positioning

Although k-nearest neighbors (KNN) is a popular fingerprint match algorithm for its simplicity and accuracy,because it is sensitive to the circumstances,a fuzzy c-means (FCM) clustering algorithm is applied to improve it.Thus,a KNN-based two-step FCM weighted (KTFW) algorithm for indoor positioning in wireless local area networks (WLAN) is presented in this paper.In KTFW algorithm,k reference points (RPs) chosen by KNN are clustered through FCM based on received signal strength (RSS) and location coordinates.The right clusters are chosen according to rules,so three sets of RPs are formed including the set of k RPs chosen by KNN and are given different weights.RPs supposed to have better contribution to positioning accuracy are given larger weights to improve the positioning accuracy.Simulation results indicate that KTFW generally outperforms KNN and its complexity is greatly reduced through providing initial clustering centers for FCM.     

A distributed dynamic clustering algorithm for wireless sensor networks

This paper proposes a distributed dynamic k-medoid clustering algorithm for wireless sensor networks (WSNs), DDKCAWSN. Different from node-clustering algorithms and protocols for WSNs, the algorithm focuses on clustering data in the network. By sending the sink clustered data instead of practical ones, the algorithm can greatly reduce the size and the time of data communication, and further save the energy of the nodes in the network and prolong the system lifetime. Moreover, the algorithm improves the accuracy of the clustered data dynamically by updating the clusters periodically such as each day. Simulation results demonstrate the effectiveness of our approach for different metrics. Biography: WANG Leichun (1974–), male, Ph.D. candidate, research direction: wireless communication.     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论,说明FCM算法一般得不到全局最优分类,因此结合FCM算法提出了用遗传算法进行寻优求解,从而将遗传算法用于模糊聚类分析,最后的实例表明,遗传算法在处理多样本、多属性、多类别问题时,是一种有效的方法。     

基于改进的动态聚类算法的配送车辆调度研究

研究了物流配送车辆调度优化问题,建立了以所需车辆数最少为第一目标,以车辆总行程最短为第2目标的双目标优化模型.把问题分成2阶段进行求解,第1阶段用改进的动态聚类算法分派车辆的配送任务,第2阶段用动态规划方法求出车辆的行车路线;实例证明,算法有效降低问题的复杂性,使问题在合理的时间内得到满意解,模型和算法均具有较大的推广意义.