选取RNG拓扑控制算法，MATLAB编程实现该算法并用图形显示效果。要求有执行算法前后拓扑对比图、链路数量统计对比（拓扑发现算法要显示拓扑最终状态并对节点角色进行标注）。节点数目最少 50 个，随机分布，其他如通信半径、部署区域大小等自行选取。考虑到连通性问题，要求应用拓扑控制的初始网络为全连通网络，即每个节点与其他任意节点至少存在一条链路（可在随机生成节点位置时多试几次或增加节点密度）。

为了实现RNG拓扑控制算法，我们需要编写以下步骤：

1. 随机生成节点位置。
2. 基于通信半径，建立初始全连通拓扑。
3. 根据节点之间的距离，计算每个节点的邻居节点。
4. 根据邻居节点之间的距离，确定每个节点的角色（核心节点、边缘节点、普通节点）。
5. 根据节点角色，删除部分链路，使得网络更加稳定。

下面是MATLAB代码实现：

% 设置参数
N = 50; % 节点数目
radius = 0.2; % 通信半径
area = 1; % 部署区域大小

% 随机生成节点位置
location = rand(N, 2) * area;

% 初始化全连通拓扑
adjacency = ones(N) - eye(N);

% 计算每个节点的邻居节点
for i = 1:N
    for j = i+1:N
        distance = norm(location(i,:) - location(j,:));
        if distance <= radius
            adjacency(i,j) = 1;
            adjacency(j,i) = 1;
        end
    end
end

% 确定每个节点的角色
degree = sum(adjacency, 2);
core = degree >= mean(degree);
edge = (degree < mean(degree)) & any(adjacency(core,:), 1);
normal = ~(core | edge);

% 删除部分链路
for i = 1:N
    if core(i)
        for j = find(edge)
            if adjacency(i,j)
                adjacency(i,j) = 0;
                adjacency(j,i) = 0;
            end
        end
    elseif edge(i)
        for j = find(normal)
           test.m用于测试模型，unetLayers.m定义了UNet的网络结构。请注意，这里用到了MATLAB的深度学习工具箱，需要提前安装。