CN114339832B - 一种无线传感器网络的确定方法及装置 - Google Patents
一种无线传感器网络的确定方法及装置 Download PDFInfo
- Publication number
- CN114339832B CN114339832B CN202111589407.9A CN202111589407A CN114339832B CN 114339832 B CN114339832 B CN 114339832B CN 202111589407 A CN202111589407 A CN 202111589407A CN 114339832 B CN114339832 B CN 114339832B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- target
- determining
- adjacency matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 82
- 230000008092 positive effect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 62
- 238000004590 computer program Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请提供了一种无线传感器网络的确定方法、装置。该方法包括:获取待优化无线传感器网络的邻接矩阵;根据所述目标函数,确定一关键节点;利用所述关键节点对所述目标节点集合进行更新;若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。本申请通过根据节点、邻接矩阵和预设的目标节点集合所确定的目标函数确定目标节点集合中各个节点之间的积极作用和消极作用,从而仅保留目标节点集合中具有积极作用的节点,这样,根据目标节点集合确定的优化无线传感器网络中的各个节点(即无线传感器)之间不会存在较大的重叠,从而提高优化后的优化无线传感器的性能和稳定性。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种无线传感器网络的确定方法及装置。
背景技术
复杂系统物理学的一个核心问题涉及识别在复杂网络的结构和动力学中起基本作用的“关键”节点。寻找网络结构鲁棒性的关键节点有助于优化疫苗接种策略,防止基础设施系统失效和生态系统崩溃。同时,从动态的角度来看,确定可能不成比例地影响传播过程的小节点集,对病毒营销活动和流行病传播过程具有深远的影响。关键节点的搜索可以转化为定义良好的“影响最大化问题”(IMPs)。给定一个由节点集合V和边集合ε组成的网络G,一个IMP寻求确定节点的子集(通常是|S|<<N,其中N=|V|),以优化给定的影响函数I(S)。影响函数可以是网络拓扑的函数(导致结构IMP),也可以是网络上给定的动态过程的函数(导致功能IMP)。以往的研究大多聚焦于特定的IMP,这对在特定模型假设下解决特定问题得出的结论的普遍性提出了挑战。
在传统方法中,首先是通过IC模型进行蒙特卡洛模拟,通过贪心的思想在大量模拟仿真中得到影响节点,但这样所需要的代价过高。相比之下,中心性度量方法的想法非常直观,在影响力最大化问题的传统方法中,根据节点影响的近似程度对所有节点进行排序,然后直接从排序中生成种子集。因此,这里的基本挑战是得到一个好的排名度量。中心性度量方法在估计种子集的影响力时是通过相应模型的特性,大大加快影响估计,而不是运行大量模拟仿真,从而使算法在较大的图上更具可伸缩性,提供了实质性的性能改进。
影响力最大化问题中存在许多节点影响力排名方法,例如:度中心性(Degreecentrality)算法、特征向量中心性(eigenvector centrality,EC)算法、介数中心性(Betweenness Centrality,BC)算法、PageRank(PR)算法、k-shell分解算法、置信度传播算法(Belief Propagation,BP)。
在上述提及的方法中,基本都是考虑单个节点的影响力程度来获得解决IMP的种子节点集合,虽然得到的集合可以表现出巨大的累积的影响力,然而它们之间的重叠影响力也很高。简而言之,上述现有技术的主要缺点是检测到的节点之间存在较大的重叠而导致性能不佳。
发明内容
有鉴于此,本申请实施例提供了一种无线传感器网络的确定方法、装置,以解决检测到的节点之间存在较大的重叠而导致性能不佳的问题。
本申请实施例的第一方面,提供了一种无线传感器网络的确定方法,所述方法包括:
获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;
针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据所述目标函数,确定一关键节点;其中,所述关键节点为使所述目标函数满足第一预设条件的节点,且所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;
若所述目标节点集合满足第二预设条件,则根据所述目标节点集合确定优化无线传感器网络。
可选的,所述根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数,包括:
将所述节点添加至所述目标节点集合;从所述邻接矩阵中移除所述目标节点集合中各个节点的边,得到目标邻接矩阵;根据所述目标邻接矩阵的特征值,确定目标函数。
可选的,所述第一预设条件为:所述目标函数的最小化。
可选的,所述利用所述关键节点对所述目标节点集合进行更新,包括:
将所述节点移除所述目标节点集合;
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中贡献值小于所述关键节点的贡献值的节点移除。
可选的,所述根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数,包括:
根据所述节点、所述邻接矩阵,确定所述节点的度,以及,所述节点与所述预设的目标节点集合中的节点相连的边
根据所述节点的度、所述节点与所述预设的目标节点集合中的节点相连的边,确定目标函数。
可选的,所述第一预设条件为:所述目标函数的最大化。
可选的,所述利用所述关键节点对所述目标节点集合进行更新,包括:
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中目标函数输出值小于所述关键节点的目标函数输出值的节点移除。
可选的,所述第二预设条件为所述目标节点集合中的节点数量满足预设节点阈值,且,所述目标节点集合中的节点保持不变。
可选的,所述方法还包括:
按照特征值最小化问题、网络拆解问题以及传播最大化问题,评估所述优化无线传感器网络的性能。
本申请实施例的第二方面,提供了一种无线传感器网络的确定装置,所述装置包括:
获取单元,用于获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;
更新单元,用于针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据所述目标函数,确定一关键节点;其中,所述关键节点为使所述目标函数满足第一预设条件的节点,且所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;
确定单元,用于若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。
可选的,所述更新单元,用于:
将所述节点添加至所述目标节点集合;从所述邻接矩阵中移除所述目标节点集合中各个节点的边,得到目标邻接矩阵;根据所述目标邻接矩阵的特征值,确定目标函数。
可选的,所述第一预设条件为:所述目标函数的最小化。
可选的,所述更新单元,用于:
将所述节点移除所述目标节点集合;
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中贡献值小于所述关键节点的贡献值的节点移除。
可选的,所述更新单元,用于:
根据所述节点、所述邻接矩阵,确定所述节点的度,以及,所述节点与所述预设的目标节点集合中的节点相连的边
根据所述节点的度、所述节点与所述预设的目标节点集合中的节点相连的边,确定目标函数。
可选的,所述第一预设条件为:所述目标函数的最大化。
可选的,所述更新单元,用于:
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中目标函数输出值小于所述关键节点的目标函数输出值的节点移除。
可选的,所述第二预设条件为所述目标节点集合中的节点数量满足预设节点阈值,且,所述目标节点集合中的节点保持不变。
可选的,所述装置还包括评估单元,用于:
按照特征值最小化问题、网络拆解问题以及传播最大化问题,评估所述优化无线传感器网络的性能。
本申请实施例的第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本申请实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本申请与现有技术相比存在的有益效果是:本申请所提供的方法可以为先获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据所述目标函数,确定一关键节点;其中,所述关键节点为使所述目标函数满足第一预设条件的节点,且所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。本申请通过根据节点、邻接矩阵和预设的目标节点集合所确定的目标函数确定目标节点集合中各个节点之间的积极作用和消极作用,从而仅保留目标节点集合中具有积极作用的节点,这样,根据目标节点集合确定的优化无线传感器网络中的各个节点(即无线传感器)之间不会存在较大的重叠,从而提高优化后的优化无线传感器的性能和稳定性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本申请实施例提供的无线传感器网络的确定方法的流程图;
图2是本申请实施例提供的无线传感器网络的确定装置的框图;
图3是本申请实施例提供的计算机设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
图1是本申请实施例提供的一种无线传感器网络的确定方法的流程图。如图1所示,该无线传感器网络的确定方法包括:
S101:获取待优化无线传感器网络的邻接矩阵。
其中,待优化无线传感器网络中包括多个无线传感器,各个无线传感器之间可以有通讯连接,也可以没有通信连接,在本实施例中,确定待优化无线传感器网络后,可以先确定待优化无线传感器网络的邻接矩阵。其中,待优化无线传感器网络的邻接矩阵中包括若干节点以及各个节点之间的通信关系(即各个节点的边),每个节点对应一个无线传感器,而各个节点的边(即各个节点之间的通信关系)可以用e表示,若无线传感器i与无线传感器j之间可以进行通讯则定义为矩阵的元素e(i,j)=1,e(j,i)=1,若不能进行通讯则e(i,j)=0,e(j,i)=0。
S102:针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据所述目标函数,确定一关键节点;以及,利用所述关键节点对所述目标节点集合进行更新。
其中,所述关键节点为使所述目标函数满足第一预设条件的节点,且所述关键节点为所述邻接矩阵中的一个节点。
在一种实现方式中,针对所述邻接矩阵中的每一个节点,可以将所述节点添加至所述目标节点集合;从所述邻接矩阵中移除所述目标节点集合中各个节点的边,得到目标邻接矩阵;根据所述目标邻接矩阵的特征值,确定目标函数。根据所述目标函数,确定满足第一预设条件的一关键节点,所述第一预设条件为:所述目标函数的最小化,可以理解为最小化所述目标函数。然后,可以将所述节点移除所述目标节点集合,将所述关键节点添加至所述目标节点集合,以及将所述目标节点集合中贡献值小于所述关键节点的贡献值的节点移除。
作为一种示例,假设初始化的目标节点集合计算邻接矩阵A的特征值μh以及对应的特征向量vh(μ1≥μ2≥..μh..≥μN,||vh||2=1);例如,可以通过QR分解的方法迭代计算邻接矩阵A的特征值与特征向量,计算后得到N个特征值和特征向量,h表示1到N中不同特征值的下标编号。
对于邻接矩阵中的每个节点将i加入目标节点集合SOI。定义R=(rtu)N×N,如果节点t,u∈SOI,rtu=1,否则rtu=0。从邻接矩阵A中移除目标节点集合SOI中该节点的边后,得到目标邻接矩阵A′=A-R,目标邻接矩阵A′的特征值为μ′h(h=1,2,...,N),其一阶近似估计为/>目标邻接矩阵A′最大特征值的最小化可近似为目标函数/>如公式(1)所示,/>在计算完/>后,将节点i移出集合SOI。最终,将使目标邻接矩阵/>最小化的关键节点i加入集合SOI。定义关键节点i对/>的贡献值为/>在添加新节点i后,从SOI中移除相比于新节点贡献更小的节点。
在另一种实现方式中,针对所述邻接矩阵中的每一个节点,可以根据所述节点、所述邻接矩阵,确定所述节点的度,以及,所述节点与所述预设的目标节点集合中的节点相连的边。然后,可以根据所述节点的度、所述节点与所述预设的目标节点集合中的节点相连的边,确定目标函数。根据所述目标函数,确定满足第一预设条件的一关键节点,所述第一预设条件为:所述目标函数的最大化。然后,可以将所述关键节点添加至所述目标节点集合,以及将所述目标节点集合中目标函数输出值小于所述关键节点的目标函数输出值的节点移除。
作为一种示例,假设初始化的目标节点集合首先,定义目标函数a(j)为公式(2):
其中,kj表示节点的度,表示为节点的内部度(即节点与集合SSOI中的节点相连的边)。然后,选取一个关键节点/>使目标函数a(j)最大化,并将j加入集合SSOI。需要说明的是,由于可以用μ1(μ1>0)的大小衡量剩余网络A′的特征值的变化,μ1为邻接矩阵A的最大特征值,因此,可以对公式(1)进行线性加权处理得到最大化a(j)等价于最大化集合影响w(SSOI)。在目标节点集合添加关键节点j后,从SSOI中移除相比于关键节点j的分数a(j)更小的节点,同时更新关键节点与移除节点对其他节点(集合SSOI中节点与先前移除节点)目标函数分数的影响。
S103:若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。
通过重复S102直至目标节点集合满足第二预设条件。其中,所述第二预设条件为所述目标节点集合中的节点数量满足预设节点阈值,且,所述所述目标节点集合中的节点保持不变。可以理解为目标节点集合SOI数量到达n且保持稳定不变,输出目标节点集合SOI。接着,便可以根据所述目标节点确定优化无线传感器网络。
在本实施例的一种实现方式中,所述方法还可以包括:
按照特征值最小化问题(即最大限度地减少网络的最大特征值)、网络拆解问题(即导致网络最大连通子图分解最大的节点集)以及传播最大化问题(即线性阈值模型下确定最大化信息传播的节点集),评估所述优化无线传感器网络的性能。需要说明的是,评估所述优化无线传感器网络的性能的目的是为了证明算法的有效性和优越性,同时得到的评估结果也便于与其他类似的算法进行比较。
本申请与现有技术相比存在的有益效果是:本申请所提供的方法可以为先获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据所述目标函数,确定一关键节点;其中,所述关键节点为使所述目标函数满足第一预设条件的节点,且所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。本申请通过根据节点、邻接矩阵和预设的目标节点集合所确定的目标函数确定目标节点集合中各个节点之间的积极作用和消极作用,从而仅保留目标节点集合中具有积极作用的节点,这样,根据目标节点集合确定的优化无线传感器网络中的各个节点(即无线传感器)之间不会存在较大的重叠,从而提高优化后的优化无线传感器的性能和稳定性。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
图2是本申请实施例提供的无线传感器网络的确定装置的示意图。如图3所示,所述装置应用于客户端,所述装置包括:
获取单元201,用于获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;
更新单元202,用于针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据所述目标函数,确定一关键节点;其中,所述关键节点为使所述目标函数满足第一预设条件的节点,且所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;
确定单元203,用于若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。
可选的,所述更新单元202,用于:
将所述节点添加至所述目标节点集合;从所述邻接矩阵中移除所述目标节点集合中各个节点的边,得到目标邻接矩阵;根据所述目标邻接矩阵的特征值,确定目标函数。
可选的,所述第一预设条件为:所述目标函数的最小化。
可选的,所述更新单元202,用于:
将所述节点移除所述目标节点集合;
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中贡献值小于所述关键节点的贡献值的节点移除。
可选的,所述更新单元202,用于:
根据所述节点、所述邻接矩阵,确定所述节点的度,以及,所述节点与所述预设的目标节点集合中的节点相连的边
根据所述节点的度、所述节点与所述预设的目标节点集合中的节点相连的边,确定目标函数。
可选的,所述第一预设条件为:所述目标函数的最大化。
可选的,所述更新单元202,用于:
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中目标函数输出值小于所述关键节点的目标函数输出值的节点移除。
可选的,所述第二预设条件为所述目标节点集合中的节点数量满足预设节点阈值,且,所述目标节点集合中的节点保持不变。
可选的,所述装置还包括评估单元,用于:
按照特征值最小化问题、网络拆解问题以及传播最大化问题,评估所述优化无线传感器网络的性能。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图3是本申请实施例提供的计算机设备3的示意图。如图3所示,该实施例的计算机设备3包括:处理器301、存储器302以及存储在该存储器302中并且可以在处理器301上运行的计算机程序303。处理器301执行计算机程序303时实现上述各个方法实施例中的步骤。或者,处理器301执行计算机程序303时实现上述各装置实施例中各模块/模块的功能。
示例性地,计算机程序303可以被分割成一个或多个模块/模块,一个或多个模块/模块被存储在存储器302中,并由处理器301执行,以完成本申请。一个或多个模块/模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序303在计算机设备3中的执行过程。
计算机设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备3可以包括但不仅限于处理器301和存储器302。本领域技术人员可以理解,图3仅仅是计算机设备3的示例,并不构成对计算机设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器301可以是中央处理模块(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器302可以是计算机设备3的内部存储模块,例如,计算机设备3的硬盘或内存。存储器302也可以是计算机设备3的外部存储设备,例如,计算机设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器302还可以既包括计算机设备3的内部存储模块也包括外部存储设备。存储器302用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能模块、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块、模块完成,即将装置的内部结构划分成不同的功能模块或模块,以完成以上描述的全部或者部分功能。实施例中的各功能模块、模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中,上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。另外,各功能模块、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中模块、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或模块的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
集成的模块/模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种无线传感器网络的确定方法,其特征在于,所述方法包括:
获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;
针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据求得的各所述目标函数,确定一关键节点;其中,所述关键节点为使对应的所述目标函数满足第一预设条件的节点,且所述第一预设条件为:所述目标函数的最小化,所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;
若所述目标节点集合满足第二预设条件,则根据所述目标节点集合确定优化无线传感器网络。
2.根据权利要求1所述的方法,其特征在于,所述根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数,包括:
将所述节点添加至所述目标节点集合;从所述邻接矩阵中移除所述目标节点集合中各个节点的边,得到目标邻接矩阵;根据所述目标邻接矩阵的特征值,确定目标函数。
3.根据权利要求2所述的方法,其特征在于,所述利用所述关键节点对所述目标节点集合进行更新,包括:
将所述节点移除所述目标节点集合;
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中贡献值小于所述关键节点的贡献值的节点移除。
4.根据权利要求1所述的方法,其特征在于,所述根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数,包括:
根据所述节点、所述邻接矩阵,确定所述节点的度,以及,所述节点与所述预设的目标节点集合中的节点相连的边;
根据所述节点的度、所述节点与所述预设的目标节点集合中的节点相连的边,确定目标函数。
5.根据权利要求4所述的方法,其特征在于,所述第一预设条件为:所述目标函数的最大化。
6.根据权利要求2所述的方法,其特征在于,所述利用所述关键节点对所述目标节点集合进行更新,包括:
将所述关键节点添加至所述目标节点集合;
将所述目标节点集合中目标函数输出值小于所述关键节点的目标函数输出值的节点移除。
7.根据权利要求1-6任一所述的方法,其特征在于,所述第二预设条件为所述目标节点集合中的节点数量满足预设节点阈值,且,所述目标节点集合中的节点保持不变。
8.根据权利要求1-6任一所述的方法,其特征在于,所述方法还包括:
按照特征值最小化问题、网络拆解问题以及传播最大化问题,评估所述优化无线传感器网络的性能。
9.一种无线传感器网络的确定装置,其特征在于,所述装置包括:
获取单元,用于获取待优化无线传感器网络的邻接矩阵;其中,所述邻接矩阵包括若干节点;
更新单元,用于针对所述邻接矩阵中的每一个节点,根据所述节点、所述邻接矩阵和预设的目标节点集合确定目标函数;根据求得的各所述目标函数,确定一关键节点;其中,所述关键节点为使对应的所述目标函数满足第一预设条件的节点,且所述第一预设条件为:所述目标函数的最小化,所述关键节点为所述邻接矩阵中的一个节点;以及,利用所述关键节点对所述目标节点集合进行更新;
确定单元,用于若所述目标节点集合满足第二预设条件,则根据所述目标节点确定优化无线传感器网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111589407.9A CN114339832B (zh) | 2021-12-23 | 2021-12-23 | 一种无线传感器网络的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111589407.9A CN114339832B (zh) | 2021-12-23 | 2021-12-23 | 一种无线传感器网络的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114339832A CN114339832A (zh) | 2022-04-12 |
CN114339832B true CN114339832B (zh) | 2023-12-22 |
Family
ID=81054495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111589407.9A Active CN114339832B (zh) | 2021-12-23 | 2021-12-23 | 一种无线传感器网络的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114339832B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102740393A (zh) * | 2012-07-13 | 2012-10-17 | 南京邮电大学 | 一种基于动态规划的无线传感器网络路由方法 |
CN109859065A (zh) * | 2019-02-28 | 2019-06-07 | 桂林理工大学 | 基于谱聚类的多目标复杂网络社区发现方法 |
CN110855478A (zh) * | 2019-10-30 | 2020-02-28 | 南京航空航天大学 | 一种面向不可靠信息的单传感器拓扑感知方法及装置 |
CN111465048A (zh) * | 2020-03-04 | 2020-07-28 | 浙江工业大学 | 一种基于传感器网络的汽车悬架系统状态估计方法 |
CN112654050A (zh) * | 2020-12-21 | 2021-04-13 | 江西理工大学 | 一种增强型麻雀搜索算法的无线传感器网络优化覆盖方案 |
-
2021
- 2021-12-23 CN CN202111589407.9A patent/CN114339832B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102740393A (zh) * | 2012-07-13 | 2012-10-17 | 南京邮电大学 | 一种基于动态规划的无线传感器网络路由方法 |
CN109859065A (zh) * | 2019-02-28 | 2019-06-07 | 桂林理工大学 | 基于谱聚类的多目标复杂网络社区发现方法 |
CN110855478A (zh) * | 2019-10-30 | 2020-02-28 | 南京航空航天大学 | 一种面向不可靠信息的单传感器拓扑感知方法及装置 |
CN111465048A (zh) * | 2020-03-04 | 2020-07-28 | 浙江工业大学 | 一种基于传感器网络的汽车悬架系统状态估计方法 |
CN112654050A (zh) * | 2020-12-21 | 2021-04-13 | 江西理工大学 | 一种增强型麻雀搜索算法的无线传感器网络优化覆盖方案 |
Also Published As
Publication number | Publication date |
---|---|
CN114339832A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111371858B (zh) | 群控设备识别方法、装置、介质及电子设备 | |
JP2012038317A (ja) | データセンター顧客費用決定メカニズム | |
US8788499B2 (en) | System and method for finding top N pairs in a map-reduce setup | |
JPWO2017159403A1 (ja) | 予測システム、方法およびプログラム | |
CN113065660B (zh) | 量子态测量方法、装置、设备、存储介质及系统 | |
CN113064953B (zh) | 基于邻居信息聚合的区块链地址聚类方法及装置 | |
JPWO2017159402A1 (ja) | 共クラスタリングシステム、方法およびプログラム | |
CN114339832B (zh) | 一种无线传感器网络的确定方法及装置 | |
CN103399799A (zh) | 云操作系统中计算物理资源节点负载评价的方法及装置 | |
US8327196B2 (en) | Identifying an optimized test bit pattern for analyzing electrical communications channel topologies | |
CN115964984B (zh) | 用于数字芯片版图平衡绕线的方法和装置 | |
CN113891323B (zh) | 一种基于WiFi的用户标签获取系统 | |
CN115099875A (zh) | 基于决策树模型的数据分类方法及相关设备 | |
CN111679791B (zh) | 存储位置选取方法、装置、终端设备及存储介质 | |
CN110019531A (zh) | 一种获取相似对象集合的方法和装置 | |
CN112861962A (zh) | 样本处理方法、装置、电子设备和存储介质 | |
CN107248929B (zh) | 一种多维关联数据的强关联数据生成方法 | |
KR102574706B1 (ko) | 최소 엔트로피 추정 방법 및 장치 | |
CN109388784A (zh) | 最小熵核密度估计器生成方法、装置和计算机可读存储介质 | |
CN112100453A (zh) | 一种字符串分布统计方法、系统、设备及计算机存储介质 | |
KR100194769B1 (ko) | 메모리를 사용하여 유한체상에서 역원을 구하는 방법 | |
CN116055340B (zh) | 分布式网络未知参数估计方法、装置及电子设备 | |
US20220405613A1 (en) | Feature selection using testing data | |
CN110704690B (zh) | 一种数据处理方法、设备及存储介质 | |
US11313694B2 (en) | Method and apparatus for recommending travel way |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |