"这篇论文研究了基于加权的无人机集群组网分簇算法,旨在解决在大规模、高速移动的无人机网络环境下,由于节点移动导致的网络拓扑频繁更新和管理复杂性问题。分簇策略被用来增加网络容量,实现空间资源的复用,优化网络管理。文中提出了一种多参数加权分簇算法,该算法融合了最大速度相似度、链路保持率、节点度差和节点剩余能量四个关键参数,并通过加权组合选举簇头。仿真结果显示,此算法能有效减少簇的数量,降低簇间切换率,提高分簇稳定性,同时延长最小节点的生存时间,增强网络的整体续航能力。该研究由国家自然科学基金资助,由空军工程大学航空工程学院的研究团队完成。"
在无人机集群组网中,节点的高速移动是网络面临的一大挑战,这种动态特性使得网络拓扑变化快速,增加了管理和通信的复杂性。为了解决这个问题,研究者们通常采用分簇策略,将网络划分为若干个较小的簇,每个簇内由一个簇头节点负责簇内的通信和簇间的路由,这样可以降低通信复杂性,提高网络效率。
本文提出的多参数加权分簇算法是一种创新的方法。它借鉴了最大速度相似度分簇算法的思想,并将其与加权分簇算法相结合。最大速度相似度是指在考虑节点分簇时,倾向于将速度接近的节点分配到同一簇,以减少由于速度差异导致的通信不稳定。在此基础上,该算法进一步考虑了链路保持率,即节点间稳定连接的时间比例,高保持率的链接更有利于数据传输的连续性。此外,节点度差指的是节点拥有的邻居数量的差异,较小的度差有助于均衡网络负载。最后,考虑到能源是无人机网络中的关键资源,算法还纳入了节点剩余能量作为参数,确保簇头节点具有足够的能量来执行其职责。
通过加权这些参数,算法能够选举出最具代表性和稳定性的节点作为簇头,以降低簇的数量和切换率,提升整个网络的稳定性。同时,这种方法能够优化能量消耗,延长网络中最弱节点的生存时间,从而提升整体网络的生存期。
仿真实验结果证实了该算法的有效性,不仅在减少簇的数量和切换率上表现出色,还能提高网络的鲁棒性和持久性。这对于无人机集群组网的应用场景,如监控、侦查、通信等,具有重要的实践意义,可以提高任务执行的成功率和效率。未来的研究可能会进一步探索如何动态调整权重,以适应不同的网络条件和任务需求,或者研究如何将其他因素如节点移动预测、通信延迟等纳入分簇策略,以提升算法的适应性和性能。