CN102740312A - 无线传感器网络的覆盖控制方法 - Google Patents

Abstract

本发明涉及无线传感器网络技术领域，公开了一种无线传感器网络的覆盖控制方法，包括步骤：101、根据被监测目标运动的历史轨迹确定热点区域集；102、将静态节点部署在所确定的热点区域集中，将可移动节点随机部署；103、当被监测目标进入被监测区域后，预测所述被监测目标的未来可能出现的区域；104、检测所述预测区域是否被覆盖，如果被覆盖则结束，否则继续执行步骤105；105、通过调动所述可移动节点实现对所述预测区域的完全覆盖。本发明通过预测调整节点位置，在没有目标穿越时对监测区域实现部分覆盖，目标出现后对预测区域实现有效覆盖，大幅度提高监测目标的覆盖度，拓扑结构灵活可变，有效地延长了网络生存时间。

Description

无线传感器网络的覆盖控制方法

技术领域

本发明涉及无线传感器网络技术领域，特别是涉及一种无线传感器网络的覆盖控制方法。

背景技术

网络覆盖是无线传感器网络的基本问题之一，即如何部署传感器网络节点，在保证一定的服务质量（QoS）条件下，达到网络覆盖范围最大化。对网络覆盖的测量能够使我们了解是否存在监测和通信盲区，了解被监测区域的无线传感器网络的覆盖情况，从而重新调整传感器节点分布或者指导在将来添加传感器节点时可采取的改进措施。更为广泛地，我们还可以通过调整网络覆盖的密度，对被监测区域中重要区域设置热点，部署更多的传感器节点，保证测量数据的可靠性。

目前，大多数覆盖控制算法是基于在指定区域随机部署节点，并对该区域进行全局覆盖，全局覆盖可以保证对监测区域的有效监测，由于需要覆盖到整个区域，因此需要更多的传感器，这样所花费的代价较为高昂。然而实际上大部分应用场景并不要求传感器网络对整个监测区域进行全局覆盖，只要网络对监测区域维持一个合理的覆盖率就可以满足应用需求,使用不完全覆盖控制策略不仅可以延长网络生存周期，而且可以使网络配置更加灵活，用户完全可以根据应用的不同需求实现能量消耗与覆盖质量的折中。

现有技术中关于无线传感器网络中节点部署的技术方案有：

技术方案1：在公开号为CN101207638的中国专利申请中，提出了一种基于预测的无线传感器网络目标跟踪方法，根据目标运动的统计数据确定目标的运动特征，并据此预测目标的未来运动，在确保网络可靠跟踪目标的前提下，减少了被唤醒传感器节点的数目，从而降低了节点的能耗，延长了目标跟踪传感器网络的寿命。

技术方案2：在公开号为CN101051973的中国专利申请中，采用基于虚拟力的移动无线传感器网络节点布局方法及装置。该方法通过计算移动无线传感器网络中的各个传感器节点受到的虚拟力大小和方向，判断传感器节点应移动的方向和距离，并使传感器节点做相应移动，直至达到受力平衡或布局中止条件时，形成合理的网络覆盖。

上述技术方案1的缺陷为：该方案中所有节点为静态节点，且由于节点是随机部署的，移动物体周围未必有足够的节点经过唤醒后可以达到全覆盖效果，覆盖效果取决于节点数量及位置。

上述技术方案2的缺陷为：该方案所有传感器节点都为可移动节点，网络成本高，对于虚拟力的大小和方向的判断，计算复杂，且所有节点同时移动，网络通信量极大。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何在节省节点数量的前提下实现无线传感器网络的有效覆盖。

（二）技术方案

为了解决上述技术问题，本发明提供一种无线传感器网络的覆盖控制方法，包括以下步骤：

101、根据被监测目标运动的历史轨迹确定热点区域集；

102、将静态节点部署在所确定的热点区域集中，将可移动节点随机部署；

103、当被监测目标进入被监测区域后，预测所述被监测目标的未来可能出现的区域，称为预测区域；

104、检测所述预测区域是否被覆盖，如果被覆盖则结束，否则继续执行步骤105；

105、通过调动所述可移动节点实现对所述预测区域的完全覆盖。

优选地，步骤101具体包括：

201、将被监测区域G网格化，网格化后的G中的每个网格用网格中心点坐标表示为(i,j)，用G(i,j)表示通过网格(i,j)的路径的数目，称为区域密度；

202、通过预先设定的邻域函数计算轨迹扩展区域，所述邻域函数的输入参数为所述被监测目标运动的历史轨迹，计算出所述历史轨迹经过的所有网格，输出参数为轨迹扩展区域；

203、每有一条轨迹经过网格(i,j)，将该网格的区域密度G(i,j)加1；

204、比较网格(i,j)的区域密度G(i,j)与平均区域密度δ，若G(i,j)>δ，则转到步骤205，否则转到步骤203；

205、将大于平均区域密度δ的网格(i,j)加入热点区域集内，方法结束；

优选地，步骤103具体为：

给定时刻0到时刻i-1的目标轨迹T=(T₀(x₀,y₀)…T_i-1(x_i-1,y_i-1))，其中T_i-1(x_i-1,y_i-1)代表在时刻i-1被监测目标的坐标位置，将被监测目标在时刻i的位置建模为一个二维高斯分布，将这个分布的中心点坐标

定义为预测点，这个分布的均值μ为

标准差为ρ；

假定被监测目标沿直线y＝y_i-1+(x-x_i-1)tanθ行进，（x_i-1，y_i-1）表示目标在时刻i-1的位置坐标，tanθ表示斜率，则将预测点表示为：

$\left\{\begin{array}{c}{x}_{{\mathrm{pre}}_i}=x_i+V_{i-1}\mathrm{\Δ}t\cos \mathrm{\θ}\\ y_{{\mathrm{pre}}_i}=y_i+V_{i-1}\mathrm{\Δ}t\sin \mathrm{\θ}\end{array}\right.$

其中i≥2,△t代表时刻i与时刻i-1的时间差，（x_i，y_i）表示目标在时刻i的位置坐标，V_i-1表示目标在时刻i-1的瞬时速度；

则所述预测区域为以点

为圆心，以

为半径的圆，0≤H≤1。

优选地，步骤105具体为：

定义预测单元集Pset为预测出的覆盖位置坐标集合，Pset={pre(i,j)|(i,j)∈G}，其中pre(i,j)为预测单元集Pset中对应网格位置的中心点坐标，定义移动单元集Mset为所述可移动节点当前位置坐标集合，MS_i(x_i,y_i)为所述第i个可移动节点的坐标，则Mset=(MS₁(x₁,y₁),MS₂(x₂,y₂)…MS_i(x_i,y_i))；

执行步骤301~303以使得将Pset的所有位置完全覆盖的同时使所有可移动节点移动的距离和最小：

301、假设Pset中的任意点为p,Mset中的任意点为m，定义Dis(p,m)为两点p、m之间的距离，如果m不可达p，则Dis(p,m)=∞，将Pset和Mset中的每个节点进行初始标号，这里用L()表示该标号，对于

m∈Mset，使得满足L(p)+L(m)≥Dis(p,m)，且L(m)=MaxDis(p,m)，L(p)=0，Max表示求最大值；

302、给定移动单元集Mset和预测单元集Pset，在有移动限制的情况下，寻找单元集Mset和Pset间的可行移动匹配M，可行移动匹配M表示需要移动的节点坐标与目标位置的坐标之间的一一对应的移动方案；

303、检测该M是否为最优方案，如果所得到的方案M包含Pset和Mset的所有节点，则判断该方案为最优方案Opt_match，否则修改L()的标记值，返回步骤301。

优选地，步骤302具体包括：

401、从任意一个初始可行移动匹配M开始，判断M中是否包含Mset中的所有点，如果是则转到步骤402，否则转到步骤403；

402、判断M为所求移动匹配，然后结束步骤302；

403、从Mset中选取一个不包含于M中的点Msi，设置S＝｛Msi｝，设Temp_m为空集；

404、对于一个单元集合S，将S中所有节点相邻的单元坐标称为S的邻集，记做N(s)，判断N(s)中节点个数是否与S中节点个数相等，如果相等则转到步骤405，不相等转到步骤406.

405、判断不存在移动匹配，结束步骤302；

406、任取一个Mset-Temp_m中的待移动节点，记为y；

407、判断y是否在方案M中，如果在，则转到步骤408；否则，转到步骤401；

408、任选顶点u∈Pset，令＜y,u>作为一个行动标识加入到方案M中，表示将y点移动到u点的位置，同时，设定Temp_p=Temp_p∪{u},Temp_m=Temp_m∪{y}。

优选地，步骤103中，H＞0.9。

（三）有益效果

上述技术方案具有如下优点：基于目标追踪实现无线传感器网络的覆盖控制方法，通过预测调整节点位置，在没有目标穿越时对监测区域实现部分覆盖，目标出现后对预测区域实现有效覆盖，大幅度提高监测目标的覆盖度，拓扑结构灵活可变，有效地延长了网络生存时间。

附图说明

图1是本发明的方法流程图；

图2是计算热点区域集流程图;

图3是最优移动匹配算法流程图；

图4是可行移动匹配算法流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明提供了一种基于目标追踪的无线传感器网络的覆盖控制方法，根据历史数据预先部署静态节点，与可移动节点协作，调整可移动节点的位置对预测区域达到有效覆盖，该方法包括步骤101~105：

101）计算热点区域集，初始值为空集。热点区域指的是高密度区域，该算法可以由被监测目标移动的历史轨迹计算出高密度区域的集合。算法流程图见图2，包括步骤201~206：

201）轨迹网格化。将被监测区域G正六边形网格化，G中的每个网格用正六边形中心点坐标代表，表示为(i，j)，G(i，j)表示通过网格（i，j）的路径的数目，即区域密度（或称为网格热度），初始值为0。本发明中，i既表示点的横坐标，在下面也用来表示时刻。

202）邻域扩展。为使预测更为精确可靠，轨迹扩展区域是在轨迹覆盖区域的基础上进行扩展的。此过程通过预先设定的邻域函数Neighborhood（）计算轨迹扩展区域，扩展后的轨迹区域能够更广泛地包含用户可能的移动范围。该邻域函数的输入参数为历史轨迹，计算出轨迹经过的所有网格，输出参数为轨迹扩展区域。

203）网格热度G(i，j)计算。给定被监测区域的历史轨迹集Tset和领域函数Neighborhood（），每有一条轨迹经过网格(i，j)，该网格的区域密度G(i，j)加1。

204）比较网格(i,j)的区域密度G(i,j)与平均区域密度δ，若G(i,j)>δ，则转到步骤205，否则，转到步骤203。平均区域密度δ由每个网格的区域密度求加权平均而得，而非整个监测区域的区域密度，前者比后者更为精确，更接近实际值。

205）将大于平均区域密度δ的网格(i,j)加入热点区域集内，方法结束。

102）部署节点位置。通过热点区域集的计算得到热点区域，将静态节点部署在热点区域的网格中，可移动节点随机部署。

103）被监测目标进入被监测区域后，预测该目标移动区域。预测的主要功能在于给基站提供被监测目标未来可能出现的区域，以便于移动节点通过与静态节点协作对预测区域进行全局覆盖。给定时刻0到时刻i-1的目标轨迹T=(T₀(x₀,y₀)…T_i-1(x_i-1,y_i-1))，其中T_i-1(x_i-1,y_i-1)代表在时刻i-1被监测目标的坐标位置，将目标在时刻i的位置建模为一个二维高斯分布，这个分布的中心点坐标

定义为预测点。这个分布的均值μ为

标准差为ρ，于是被监测目标在时刻i的概率分布函数f(x,y)为:

$f(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\ρ}}^2}{e}^{\frac{{(x-x_{\mathrm{prei}})}^2+{(y-y_{\mathrm{prei}})}^2}{2{\mathrm{\ρ}}^2}}---\left(1\right)$

假定被监测目标沿着直线y＝y_i-1+(x-x_i-1)tanθ行进，（x_i-1，y_i-1）表示目标在时刻i-1的位置坐标。可以将预测点表示为：

$\left\{\begin{array}{c}{x}_{{\mathrm{pre}}_i}=x_i+V_{i-1}\mathrm{\Δ}t\cos \mathrm{\θ}\\ y_{{\mathrm{pre}}_i}=y_i+V_{i-1}\mathrm{\Δ}t\sin \mathrm{\θ}\end{array}\right.$

其中i≥2,△t代表时刻i与时刻i-1的时间差，（x_i，y_i）表示目标在时刻i的位置坐标，V_i-1表示目标在时刻i-1的瞬时速度:

$V_{i-1}=\frac{\left|\right|T_{i-1}-T_{i-2}\left|\right|}{\mathrm{\Δt}},i\≥2$

$\mathrm{\θ}=\arctan \left(\frac{y_{i-1}-y_{i-2}}{x_{i-1}-x_{i-2}}\right)$

由于对目标位置的精确计算是十分困难的，所以在这里的目标并不是要求预测点跟实际目标出现位置的尽可能地接近，而是预测一个比较大的区域，从而保证目标一定出现在这个区域内。

由于存在定理：给定一个阈值H(0≤H≤1)，

目标出现在以

为圆心，R为半径的圆的内部的概率一定比阈值H要大。

根据公式（1）和上述定理就可以知道，如果目标轨迹T=(T₀(x₀,y₀)…T_i-1(x_i-1,y_i-1))己知，那么目标出现在以

为圆心，R为半径的圆的内部的概率一定比阈值H(0≤H≤1)要大。换言之，可以找到一个区域，目标在时刻i出现在这个区域的概率要大于H。

所以，我们设定的预测区域为以点

为圆心，半径为

的圆，这里设H>0.9，以保证对目标的持续监控。

104）检测预测区域是否被覆盖，如果被覆盖则结束算法，如果没有则执行步骤105；

105）调用移动匹配算法，移动匹配算法的目的是通过调动移动节点实现对预测区域的完全覆盖，可移动节点移动到需要覆盖的位置，可形成对预测区域的有效覆盖。这里使用最优移动匹配算法使节点移动到目标位置，中间调用可行移动匹配子算法计算移动单元集Mset和预测单元集Pset的移动匹配。其中：预测单元集Pset为预测出的覆盖位置坐标集合，Pset={pre(i,j)|(i,j)∈G}，其中pre(i,j)为预测单元集中对应网格位置的中心点坐标。移动单元集Mset为移动节点当前位置坐标集合，MS_i(x_i,y_i)为第i个移动节点i的坐标，则Mset=(MS₁(x₁,y₁),MS₂(x₂,y₂)…MS_i(x_i,y_i))。

最优移动匹配算法的目的是将Pset的所有位置完全覆盖的同时使所有节点移动的距离和最小。算法流程图见图3，包括步骤301~303：

301）初始化计算标记。假设pPset中的任意点为p,Mset中的任意点为m，定义Dis(p,m)为两点p、m之间的距离，如果m不可达p，则Dis(p,m)=∞。本算法首先将Pset和Mset中的每个节点进行初始标号，这里用L()表示该标号，例如，p如果被标记，则记为L(p)，将用于计算最优移动方案。对于

m∈Mset，需要满足L(p)+L(m)≥Dis(p,m)，且L(m)=Max Dis(p,m)，L(p)=0，Max表示求最大值。

302）调用可行移动匹配子算法。算法中给定移动单元集Mset和预测单元集Pset，在有移动限制的情况下，寻找单元集间的可行移动匹配M，可行移动匹配M是指需要移动的节点坐标与目标位置的坐标之间的一一对应的移动方案。算法流程图见图4，包括步骤401~408：

401）算法从任意一个初始可行移动匹配M开始，判断M是否是从Mset到Pset的完备的移动匹配，即M中是否包含Mset中的所有点，如果是则转到步骤402。否则，转到步骤403。

402）M为所求移动匹配。函数返回M。

403）从Mset中选取一个不包含于M中的点Msi，设置S＝｛Msi｝，Temp_m为空集。

404）对于一个单元集合S，S中所有节点相邻的单元坐标，称为S的邻集，记做N(s)。判断N(s)节点个数是否与S中节点个数相等，如果相等则转到步骤405，不相等转到步骤406。

405）不存在移动匹配，返回。

406）任取一个Mset-Temp_m中的待移动节点，记为y。

407）判断y是否在方案M中，如果在，则转到步骤408；否则，转到步骤401。

408）任选顶点u∈Pset，令＜y,u>作为一个行动标识加入到方案M中，表示将y点移动到u点的位置。同时，设定Temp_p=Temp_p∪{u},Temp_m=Temp_m∪{y}。

303）调用可行移动匹配算法后，检测该方案M是否为最优方案。如果所得到的方案M包含Pset和Mset的所有节点，则该方案为最优移动匹配方案，这里称之为最优移动匹配Opt_match，算法结束，输出最优移动匹配Opt_match。否则修改L()的标记值，返回步骤301。

本发明的技术关键点在于：

1、提出了一种节点预部署策略。根据被监测区域的历史移动轨迹状况，计算热点区域集，在合理位置放置更多静态节点，以节省节点的数目，使能耗达到最小。

2、建立了对目标移动轨迹的预测模型。提出了一种模式匹配算法，对历史轨迹进行挖掘，并根据目标运动轨迹进行匹配，预测出运动路线。可以有效的避免状态空间膨胀，确保一定的执行效率的前提下，达到较高的预测准确率。

3、创建了一种覆盖控制算法。该算法在建立了目标轨迹预测模型之上。采用了静态节点预部署方法，与可移动节点协作，通过对移动节点的位置调整，对预测区域达到完全覆盖。该算法极大的节省了节点数量，在没有目标穿越时对监测区域实现不完全覆盖，目标出现后对预测区域实现有效的完全覆盖。

由以上实施例可以看出，本发明的优势如下：

1、目前大多数覆盖控制算法是基于在指定区域随机部署节点，这种部署方法易于操作，但是会造成大量的覆盖冗余以及覆盖空洞，成本高且不能有效利用节点能量。通过节点预部署，有效节省了节点数目，减少了能耗。

2、在移动预测问题上，大部分算法基于都是马尔科夫预测模型进行预测。但是，2阶或2阶以上k阶马尔科夫预测器都存在一个状态空间膨胀的问题，这个问题使得马尔科夫预测器在移动预测领域的应用受到了一定的制约。目标移动轨迹预测模型有效地避免了空间膨胀，提高了预测准确率。

3、现有的覆盖控制算法没有预测机制，在移动目标到达监测区域后，移动节点反应滞后，不能及时对移动目标进行可靠监测。本发明中，可移动节点在预测模型启动后，迅速反应，可快速覆盖到预测区域。网络覆盖灵活可变，提高了监测效果。

以下举例说明本发明的方案：

基于合同网的无线传感器网络任务分配过程：

A1：本实例采用80m*80m的网络，共使用200个节点，以正六边形网格化部署，其中40个静态节点覆盖热点区域，移动节点随机部署，节点的初始能量为1J，侦听状态下的节点能量消耗参数为1000nJ/s，活跃状态下的节点能量消耗参数为200nJ/s，睡眠状态下的节点能量消耗参数为0.5nJ/s，移动能耗参数为3000nJ/m，事件发生间隔是每隔5*10³秒发生一次。

A2：设定网络具有以下性质：节点装备GPS，可通过定位方法获得位置信息；节点采用布尔感知模型，所有节点的感知半径服从正态分布；节点可以与基站进行通讯，基站的能量相较于节点而言是无限的；基站负责所有的计算工作，节点只用于数据的采集与传输。

A3：采集监测区域历史轨迹数据。

A4：根据历史轨迹数据计算热点区域集。

A5：将静态节点部署在热点区域，移动节点随机部署。

A6：目标进入到监测区域，通过轨迹预测模型得到目标即将经过的区域。

A7：可移动节点通过移动匹配算法计算出目标位置坐标。

A8：可移动节点移动到目标位置，形成有效覆盖。

以上步骤A4~A8参考图1中的步骤101~105。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (6)

1.一种无线传感器网络的覆盖控制方法，其特征在于，包括以下步骤：

101、根据被监测目标运动的历史轨迹确定热点区域集；

102、将静态节点部署在所确定的热点区域集中，将可移动节点随机部署；

103、当被监测目标进入被监测区域后，预测所述被监测目标的未来可能出现的区域，称为预测区域；

104、检测所述预测区域是否被覆盖，如果被覆盖则结束，否则继续执行步骤105；

105、通过调动所述可移动节点实现对所述预测区域的完全覆盖。

2.如权利要求1所述的方法，其特征在于，步骤101具体包括：

201、将被监测区域G网格化，网格化后的G中的每个网格用网格中心点坐标表示为(i,j)，用G(i,j)表示通过网格(i,j)的路径的数目，称为区域密度；

202、通过预先设定的邻域函数计算轨迹扩展区域，所述邻域函数的输入参数为所述被监测目标运动的历史轨迹，计算出所述历史轨迹经过的所有网格，输出参数为轨迹扩展区域；

203、每有一条轨迹经过网格(i,j)，将该网格的区域密度G(i,j)加1；

204、比较网格(i,j)的区域密度G(i,j)与平均区域密度δ，若G(i,j)>δ，则转到步骤205，否则转到步骤203；

205、将大于平均区域密度δ的网格(i,j)加入热点区域集内，方法结束。

3.如权利要求2所述的方法，其特征在于，步骤103具体为：

给定时刻0到时刻i-1的目标轨迹T=(T₀(x₀,y₀)…T_i-1(x_i-1,y_i-1))，其中T_i-1(x_i-1,y_i-1)代表在时刻i-1被监测目标的坐标位置，将被监测目标在时刻i的位置建模为一个二维高斯分布，将这个分布的中心点坐标

定义为预测点，这个分布的均值μ为

标准差为ρ；

假定被监测目标沿直线y＝y_i-1+(x-x_i-1)tanθ行进，（x_i-1，y_i-1）表示目标在时刻i-1的位置坐标，tanθ表示斜率，则将预测点表示为：

$\left\{\begin{array}{c}{x}_{{\mathrm{pre}}_i}=x_i+V_{i-1}\mathrm{\Δ}t\cos \mathrm{\θ}\\ y_{{\mathrm{pre}}_i}=y_i+V_{i-1}\mathrm{\Δ}t\sin \mathrm{\θ}\end{array}\right.$

其中i≥2,△t代表时刻i与时刻i-1的时间差，（x_i，y_i）表示目标在时刻i的位置坐标，V_i-1表示目标在时刻i-1的瞬时速度；

则所述预测区域为以点

为圆心，以

为半径的圆，0≤H≤1。

4.如权利要求3所述的方法，其特征在于，步骤105具体为：

定义预测单元集Pset为预测出的覆盖位置坐标集合，Pset={pre(i,j)|(i,j)∈G}，其中pre(i,j)为预测单元集Pset中对应网格位置的中心点坐标，定义移动单元集Mset为所述可移动节点当前位置坐标集合，MS_i(x_i,y_i)为所述第i个可移动节点的坐标，则Mset=(MS₁(x₁,y₁),MS₂(x₂,y₂)…MS_i(x_i,y_i))；

执行步骤301~303以使得将Pset的所有位置完全覆盖的同时使所有可移动节点移动的距离和最小：

301、假设Pset中的任意点为p,Mset中的任意点为m，定义Dis(p,m)为两点p、m之间的距离，如果m不可达p，则Dis(p,m)=∞，将Pset和Mset中的每个节点进行标号，用L()表示该标号，对于

m∈Mset，使得满足L(p)+L(m)≥Dis(p,m)，且：L(m)=Max Dis(p,m)，L(p)=0，Max表示求最大值；

302、给定移动单元集Mset和预测单元集Pset，在有移动限制的情况下，寻找单元集Mset和Pset间的可行移动匹配M，可行移动匹配M表示需要移动的节点坐标与目标位置的坐标之间的一一对应的移动方案；

303、检测该M是否为最优方案，如果所得到的方案M包含Pset和Mset的所有节点，则判断该方案为最优方案Opt_match，否则修改L()的标记值，返回步骤301。

5.如权利要求4所述的方法，其特征在于，步骤302具体包括：

401、从任意一个初始可行移动匹配M开始，判断M中是否包含Mset中的所有点，如果是则转到步骤402，否则转到步骤403；

402、判断M为所求移动匹配，然后结束步骤302；

403、从Mset中选取一个不包含于M中的点Msi，设置S＝｛Msi｝，设Temp_m为空集；

404、对于一个单元集合S，将S中所有节点相邻的单元坐标称为S的邻集，记做N(s)，判断N(s)中节点个数是否与S中节点个数相等，如果相等则转到步骤405，不相等转到步骤406.

405、判断不存在移动匹配，结束步骤302；

406、任取一个Mset-Temp_m中的待移动节点，记为y；

407、判断y是否在方案M中，如果在，则转到步骤408；否则，转到步骤401；

408、任选顶点u∈Pset，令＜y,u>作为一个行动标识加入到方案M中，表示将y点移动到u点的位置，同时，设定Temp_p＝Temp_p∪{u},Temp_m=Temp_m∪{y}。

6.如权利要求3所述的方法，其特征在于，步骤103中，H＞0.9。

Images