实现语言:python
使用库:numpy matplotlib
Note要求:
节点数目不宜过小;每轮只完成分簇,不考虑通信过程;每轮可以以定时器确定,也可以以完成当轮分簇为准;簇成员在寻找簇头时,以距离作为接收信号强弱的判断依据;当选为簇头的节点将,以后几轮的分簇中将,不再成为簇头,这个约束条件,在仿真中应能体现。
2、根据个人情况完成进阶实验:基于前面的实验过程,增加能量有效性的控制。
情况1:给定所有节点具有相同的能量,考查第一个节点能量耗尽出现在第几轮。
情况2:节点具有不同的能量,考查第一个节点能量耗尽出现在第几轮。
Note:可参考如下设计,可以不局限于如下设计。
对于节点的能量和能量消耗可以简化处理:节点初始能量为整数(eg.5000mJ),节点的能量消耗仅考虑关键的几次通信过程,其他能量消耗不计。
几次通信过程”:
setup:簇成员:每收1个候选簇头信息,则能量-1,每个候选簇头仅被收集1次;通知簇头成为其成员,发送信息-2。
候选簇头:被簇成员接收信息,即发送信息,则能量-2;被通知成为簇头,接收信息-1。
Steady:每个簇成员每轮向簇头发送10次数据,每次成员能量-2,簇头能量-1。
实验结果展示:100节点,5%簇首率的情况
程序源码GitHub:https://github.com/kevinten10/Wireness-Network
1、主程序
def run():
"""
1、输入节点个数N
2、node_factory(N): 生成N个节点的列表
3、classify(nodes,flag,k=10): 进行k轮簇分类,flag已标记的节点不再成为簇首,返回所有簇的列表
4、show_plt(classes): 迭代每次聚类结果,显示连线图
:return:
"""
N=100
# N = int(input("请输入节点个数:"))
# 获取初始节点列表,选择标志列表
nodes, flag = node_factory(N)
# 对节点列表进行簇分类,k为迭代轮数
iter_classes = claasify(nodes, flag, k=10)
for classes in iter_classes:
# 显示分类结果
show_plt(classes)
2、判断距离函数
def dist(v_A, v_B):
"""
判断两个节点之间的一维距离
:param v_A: A 二维向量
:param v_B: B 二维向量
:return: 一维距离
"""
return np.sqrt(np.power((v_A[0] - v_B[0]), 2) + np.power((v_A[1] - v_B[1]), 2))
3、生成随机节点集
def node_factory(N):
"""
生成N个节点的集合
:param N: 节点的数目
:param nodes: 节点的集合
:param selected_flag: 标志:是否被选择为簇首-->初始化为0
:return: 节点集合nodes=[[x,y],[x,y]...] + 标志falg
"""
nodes = []
selected_flag = []
for i in range(0, N):
# 在1*1矩阵生成[x,y]坐标
node = [np.random.random(), np.random.random()]
# print("生成的节点为:", node)
nodes.append(node)
# 对应的选择标志初始化为0
selected_flag.append(0)
# print("生成:", len(nodes), "个节点")
# print("初始化标志列表为", selected_flag)
return nodes, selected_flag
4、根据LEACH算法选择簇头节点
def sel_heads(r, nodes, flags):
"""
根据阈值选取簇头节点
:param r: 轮数
:param nodes: 节点列表
:param flags: 选择标志
:param P: 比例因子
:return: 簇首列表heads,簇成员列表members
"""
# 阈值函数 Tn 使用leach计算
P=0.05*(100/len(nodes))
Tn = P / (1 - P * (r%(1/P)))
# print("阈值为:", Tn)
# 簇首列表
heads = []
# 簇成员列表
members = []
# 本轮簇首数
n_head = 0
# 对每个节点生成对应的随机数
rands = [np.random.random() for _ in range(len(nodes))]
# print("随机数为:", rands)
# 遍历随机数列表,选取簇首
for i in range(len(nodes)):
# 若此节点未被选择为簇首
if flags[i] == 0:
# 随机数低于阈值-->选为簇首
if rands[i] <= Tn:
flags[i] = 1
heads.append(nodes[i])
n_head += 1
# print(nodes[i], "被选为第", n_head, "个簇首")
# 随机数高于阈值
else:
members.append(nodes[i])
# 若此节点已经被选择过
else:
members.append(nodes[i])
print("簇首为:", len(heads), "个")
print("簇成员为:", len(members), "个")
return heads, members
5、节点分簇算法
def claasify(nodes, flag, k=1):
"""
进行簇分类
:param nodes: 节点列表
:param flag: 节点标记
:param k: 轮数
:return: 簇分类结果列表 classes[[类1..],[类2...],......] [类1...簇首...簇成员]
"""
# k轮的集合
iter_classes = []
# 迭代r轮
for r in range(k):
# 获取簇首列表,簇成员列表
heads, members = sel_heads(r, nodes, flag)
# 建立簇类的列表
classes = [[] for _ in range(len(heads))]
# 将簇首作为首节点添加到聚类列表中
for i in range(len(heads)):
# print("第", i + 1, "个簇首为", heads[i])
classes[i].append(heads[i])
# print("簇首集合:", classes)
# 簇分类:遍历节点node
for n in range(len(members)):
# 选取距离最小的节点
dist_min = 1
for i in range(len(heads)):
dist_heads = dist(members[n], heads[i])
# 找到距离最小的簇头对应的heads下标i
if dist_heads < dist_min:
dist_min = dist_heads
head_cla = i
# 0个簇首的情况
if dist_min==1:
print("本轮没有簇首!")
break
# 添加到距离最小的簇首对应的聚类列表中
classes[head_cla].append(members[n])
# 将簇首作为首节点添加到聚类列表中
# for i in range(len(classes)):
# print("第", i + 1, "类包含:", classes[i])
iter_classes.append(classes)
return iter_classes
6、绘制分类图
def show_plt(classes):
"""
显示分类图
:param classes: [[类1...],[类2...]....]-->[簇首,成员,成员...]
:return:
"""
fig = plt.figure()
ax1 = plt.gca()
# 设置标题
ax1.set_title('WSN1')
# 设置X轴标签
plt.xlabel('X')
# 设置Y轴标签
plt.ylabel('Y')
icon = ['o', '*', '.', 'x', '+', 's']
color = ['r', 'b', 'g', 'c', 'y', 'm']
# 对每个簇分类列表进行show
for i in range(len(classes)):
centor = classes[i][0]
# print("第", i + 1, "类聚类中心为:", centor)
for point in classes[i]:
ax1.plot([centor[0], point[0]], [centor[1], point[1]], c=color[i % 6], marker=icon[i % 5], alpha=0.4)
# 显示所画的图
plt.show()
import numpy as np
import matplotlib.pyplot as plt
def dist(v_A, v_B):
"""
判断两个节点之间的一维距离
:param v_A: A 二维向量
:param v_B: B 二维向量
:return: 一维距离
"""
return np.sqrt(np.power((v_A[0] - v_B[0]), 2) + np.power((v_A[1] - v_B[1]), 2))
def node_factory(N, energy=5000):
"""
生成N个节点的集合
:param N: 节点的数目
:param selected_flag: 标志:是否被选择为簇首-->初始化为0
:param energy: 能量
:return: 节点集合nodes=[[x,y,e],[x,y,e]...]
"""
nodes = []
selected_flag = []
for _ in range(N):
# 在1*1矩阵生成[x,y,e]坐标
node = [np.random.random(), np.random.random(), energy]
nodes.append(node)
# print("生成的节点为:", node)
# 对应的选择标志初始化为0
selected_flag.append(0)
# print("生成:", len(nodes), "个节点")
# print("初始化标志列表为", selected_flag)
return nodes,selected_flag
def sel_heads(r,nodes, flags):
"""
根据阈值选取簇头节点
:param r: 轮数
:param nodes: 节点列表
:param flags: 选择标志
:param P: 比例因子
:return: 簇首列表heads,簇成员列表members
"""
# 阈值函数 Tn 使用leach计算
P = 0.05 * (100 / len(nodes))
Tn = P / (1 - P * (r % (1 / P)))
# print("阈值为:", Tn)
# 簇首列表
heads = []
# 簇成员列表
members = []
# 本轮簇首数
n_head = 0
# 对每个节点生成对应的随机数
rands = [np.random.random() for _ in range(len(nodes))]
# print("随机数为:", rands)
# 遍历随机数列表,选取簇首
for i in range(len(nodes)):
# 随机数低于阈值-->选为簇首
if rands[i] <= Tn:
flags[i] = 1
heads.append(nodes[i])
n_head += 1
# 被选为簇头,E-1
nodes[i][2] -= 1
# print("第", n_head, "个簇首当前能量:", nodes[i][2])
# 随机数高于阈值
else:
members.append(nodes[i])
# print("簇首为:", len(heads), "个-->", heads)
# print("簇成员为:", len(members), "个-->", members)
return heads, members
def classify(nodes,flag, mode=1, k=20):
"""
进行簇分类
:param nodes: 节点列表
:param flag: 节点标记
:param mode: 0-->显示图片(死亡节点不显示) 1-->显示结束轮数
:param k: 轮数
:return: 簇分类结果列表 classes[[类1..],[类2...],......] [类1...簇首...簇成员]
"""
# k轮的有效集合: 无死亡节点
iter_classes = []
# 是否已有节点能量为0
e_is_empty = 0
# 迭代r轮
for r in range(k):
# mode1: 若无死亡节点 继续迭代
if e_is_empty == 0:
# 获取簇首列表,簇成员列表
heads, members = sel_heads(r,nodes,flag)
# 建立簇类的列表
classes = [[] for _ in range(len(heads))]
# 将簇首作为首节点添加到聚类列表中
for i in range(len(heads)):
# print("第", i + 1, "个簇首为", heads[i])
classes[i].append(heads[i])
# print("簇首集合:", classes)
# 簇分类:遍历节点node
for member in members:
# 选取距离最小的节点
dist_min = 1
# 判断和每个簇首的距离
for i in range(len(heads)):
dist_heads = dist(member, heads[i])
# "和簇首通信-->节点E-1""簇首发送消息被接收,簇首E-2"
member[2] -= 1
heads[i][2] -= 2
# 找到距离最小的簇头对应的heads下标i
if dist_heads < dist_min:
dist_min = dist_heads
head_cla = i
# 0个簇首的情况
if dist_min == 1:
print("本轮没有簇首!")
break
# 添加到距离最小的簇首对应的聚类列表中
classes[head_cla].append(member)
# 通知簇首成为其节点 节点E-2
member[2] -= 2
# 每轮进行10次数据传输,成员-2,簇首-1
for e in range(10):
# print("energy:", int(member[2]))
# print("head:", heads[head_cla][2])
if int(member[2]) > 0 and int(heads[head_cla][2]) > 0:
member[2] -= 2
heads[head_cla][2] -= 1
else:
e_is_empty = mode
break
iter_classes.append(classes)
else:
print("第", r, "轮能量耗尽")
break
# 将簇首作为首节点添加到聚类列表中
# for i in range(len(classes)):
# print("第", i + 1, "类包含:", classes[i])
return iter_classes
def show_plt(classes):
"""
显示分类图
:param classes: [[类1...],[类2...]....]-->[簇首,成员,成员...]
:return:
"""
fig = plt.figure()
ax1 = plt.gca()
# 设置标题
ax1.set_title('WSN2')
# 设置X轴标签
plt.xlabel('X')
# 设置Y轴标签
plt.ylabel('Y')
icon = ['o', '*', '.', 'x', '+', 's']
color = ['r', 'b', 'g', 'c', 'y', 'm']
# 对每个簇分类列表进行show
for i in range(len(classes)):
centor = classes[i][0]
# print("第", i + 1, "类聚类中心为:", centor)
for point in classes[i]:
# print("当前节点能量为:",point[2])
if point[2] > 0:
ax1.plot([centor[0], point[0]], [centor[1], point[1]], c=color[i % 6], marker=icon[i % 5], alpha=0.4)
# mode0: 不显示死亡节点
else:
pass
# 显示所画的图
plt.show()
def run():
"""
1、输入节点个数N
2、node_factory(N,energy): 生成N个节点的列表,节点的能量初始化为energy
3、classify(nodes,mode=1,k=100): 进行簇分类,返回所有簇的列表
mode=0: 当节点死亡不停止,进行k次迭代,显示k张图,图中已死亡节点不标记
mode=1: 当节点死亡停止,记录第一个节点死亡时的轮数,显示无死亡节点的图
4、show_plt(classes): 迭代每次聚类结果,显示连线图
:return:
"""
# N = int(input("请输入节点个数:"))
N = 100
# 获取初始节点列表
nodes,flag = node_factory(N, energy=2000)
# 对节点列表进行簇分类,mode为模式 2种
iter_classes = classify(nodes,flag, mode=1, k=20)
# 迭代每次聚类结果,显示连线图
for classes in iter_classes:
# 显示分类结果
show_plt(classes)
if __name__ == '__main__':
run()
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法