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
