算法Step1排序的计算量为O(|N|),Step4排序的计算量为O(|N-Lm|3),N为网络顶点数,Lm是顶点最大度数加1,整个算法的计算量约为O(|N|3)
3.2 阶段二
在阶段二,使用模糊Hopfield神经网络对WSN网络节点进行模糊聚类[4、5] ,分类数为阶段一中求得的M,输入样本为待调度节点.同一类中的所有节点可以在同一个时隙同时被调度;不同类中的节点必须在不同时隙被调度.考虑N×M结构 Hopfield网络,节点i是否在第j个时隙传输数据由Hopfield处在(i,j)位置神经元的输出Pij确定.利用第2节中的约束条件来设计优化目标,即Hopfield网络能量函数E.首先,所有的数据包应该在一个时隙内同步传送;其次,当节点i时隙j传输数据时,其他所有节点i的相邻节点不能分配在时隙j;最后,当节点i传输数据时,i的二跳相邻节点也不能被分配到时隙j去传输数据.能量函数E大小反映网络当前时隙调度与最优调度间差距,在考虑所有以上约束条件后,本文所设计能量函数E如下:
其中:ni表示第i个节点,dij为节点i,j间欧氏距离,权值w1和w2为正且满足w1+w2=l,权系数取值会影响网络收敛性,需合理选取.Vi为第i类欧氏中心,即.(i,j)位置神经元输入为Iij=(ni-v
上一篇:指纹传感器的工作原理及应用