[发明专利]一种基于K-means++聚类算法的智能集群分簇方法

说明书

本发明涉及一种基于K‑means++聚类算法的智能集群分簇方法，本发明的均匀分簇可以防止存在节点独立或节点数量较少的分簇，从而优化了分簇结构。分簇数小于初始最优值ksupgt;*/supgt;，随着节点数量的增加，这可能会给簇头(CH)带来较多的负载。但是，从IWLC方案中可以观察到，分簇数量的增长趋势更加稳定，可以更好地应对节点数量的增加，提高分簇网络的可扩展性。

技术领域

本发明涉及分簇方法技术领域，具体的说是一种基于K-means++聚类算法的智能集群分簇方法。

背景技术

在战场物联网背景下，弹药的发展正朝着信息化、智能化、网络化的方向发展，其中最具代表性的就是巡飞弹自组网，巡飞弹作为一种能在目标区域上方进行“巡弋飞行”、“待机”执行多种作战任务的新概念弹药。它是先进的无人机技术和导弹技术相结合的产物，能够快速抵达目标区域，并执行侦察监视、目标定位、空中封锁、精确打击、毁伤效果评估等任务，是一种特征鲜明、可满足未来信息化作战需求的智能弹药。巡飞弹通过组网，可以形成弹药集群，这种弹药集群又被称之为网络化弹药，在实际作战过程中网络化弹药能够涌现出倍增效应，同时又具有较强的系统抗毁伤性和控制的自主性，因此具备极其优越的作战能力。

分簇是由任务、通信、计算、资源多方驱动的一种网络结构划分方法，旨在平衡各节点的计算压力，合理分配网络资源，资源更优的节点担任更多的计算任务，以此提升网络的稳定性。在弹药自组网中，分簇对于有效管理网络拓扑至关重要。

发明内容

本发明为有效解决智能平台节点的分簇问题，提供一种基于K-means++聚类算法的智能集群分簇方法。

为解决以上技术问题，本发明采用以下技术方案：

一种基于K-means++聚类算法的智能集群分簇方法，包括以下步骤；

步骤1、确定初始分簇数量k^*，其中，B₁和B₂分别是簇内和簇间通信的带宽，N是无人机的数量；

步骤2、智能平台节点被建模为点集S＝{s₁,s₂,...s_i...,s_N}，从点集中随机选择k^*个初始分簇中心；

步骤3、将每个节点分到距离最近的分簇中心对应的簇中；

步骤4、计算每个簇中的节点被选为下一次迭代后的本簇分簇中心概率，在每个分簇中选择概率最高节点作为下一次迭代的分簇中心，节点s_i被选择为下一次迭代的分簇中心的概率D(s_i)为节点s_i与当前分簇中心的欧几里德距离；判断分簇中心位置是否不再变化，若是，转到下一步，否则返回步骤3；

步骤5、得到最终分簇结果并选择簇头。

进一步的，步骤5中选择簇头的方法包括以下步骤：

步骤5.1、计算每个最终分簇中各个节点的W值，节点i对应的其中为节点i附近的节点数量，(x_i,y_i,z_i)是节点i的三维坐标，(x_j,y_j,z_j)是节点i的邻居节点j的坐标；

步骤5.2、选择每个簇中W值最大的节点作为簇头。

本发明采用以上技术方案后，与现有技术相比，具有以下优点：

本发明的均匀分簇可以防止存在节点独立或节点数量较少的分簇，从而优化了分簇结构。分簇数小于初始最优值k^*，随着节点数量的增加，这可能会给CH带来较多的负载。但是，从IWLC方案中可以观察到，分簇数量的增长趋势更加稳定，可以更好地应对节点数量的增加，提高分簇网络的可扩展性。