拓扑感知的移动网格节点聚集算法

doi:10.3778/j.issn.1002-8331.2011.02.003

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (2): 8-11.DOI: 10.3778/j.issn.1002-8331.2011.02.003

拓扑感知的移动网格节点聚集算法

杜丽娟^1，2，余镇危²

1.华北科技学院电子信息工程系，北京 101601
2.中国矿业大学机电与信息工程学院，北京 100083

收稿日期:2010-10-20 修回日期:2010-11-26 出版日期:2011-01-11 发布日期:2011-01-11
通讯作者: 杜丽娟

Topology-aware cluster algorithm in mobile grid

DU Lijuan^1，2，YU Zhenwei²

1.Department of Electronic Information Engineering，North China Institute of Science and Technology，Beijing 101601，China
2.School of Mechanical，Electronic and Information Engineering，China University of Mining & Technology，Beijing 100083，China

Received:2010-10-20 Revised:2010-11-26 Online:2011-01-11 Published:2011-01-11
Contact: DU Lijuan

摘要/Abstract

摘要： 针对移动网格的特点提出基于超级节点的覆盖网络模型，对节点聚集问题进行形式化描述。提出的聚集算法以分布式网络坐标系统为基础，由查找聚集、建立新聚集和超级节点连接三部分组成。节点在加入移动网格时首先要寻找最近距离的聚集加入，在网络规模较小时采用简单的禁忌搜索算法来寻找归属聚集，而在网络规模较大时采用改进的粒子群算法寻找归属聚集。在加入聚集时考虑节点间距离和节点容量参数，从而能够满足应用相关的延时要求并实现良好的负载平衡。算法体现了分布式、自适应、轻量级的特点。仿真实验分析了不同参数对算法性能的影响。

关键词: 移动网格, 聚集, 超级节点, 拓扑感知, 粒子群优化

Abstract: Super-node based overlay network model is proposed according to features of mobile grid，and node clustering problem is depicted formally.Clustering algorithm，which is based on distributed network coordinate system，consists of finding cluster，creating new cluster and connecting super-nodes.Node firstly finds nearest cluster when it tries to join mobile grid system.Vicinage searching algorithm is adopted if network size is small，while particle swarm algorithm is adopted contrarily.In order to meet requirements of delay and load balance，distance and capacity parameter are considered when new node joins one cluster.The algorithm proposed is characterized with distributed，self-adaptation and lightweight.Affection of different parameters to algorithm performance is analyzed by simulation experiment.

Key words: mobile grid, cluster, super-node, topology-aware, Partical Swarm Optimization（PSO）

中图分类号:

TP393

杜丽娟^1，2，余镇危². 拓扑感知的移动网格节点聚集算法[J]. 计算机工程与应用, 2011, 47(2): 8-11.

DU Lijuan^1，2，YU Zhenwei². Topology-aware cluster algorithm in mobile grid[J]. Computer Engineering and Applications, 2011, 47(2): 8-11.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.
[6]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[7]	张陶，于炯，廖彬，毕雪华. 基于最小描述长度原则的属性图概要方法[J]. 计算机工程与应用, 2021, 57(15): 124-132.
[8]	张宇，张延松. 向量分组聚集计算技术研究[J]. 计算机工程与应用, 2021, 57(11): 84-94.
[9]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[10]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[11]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[12]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[13]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[14]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[15]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.

拓扑感知的移动网格节点聚集算法

Topology-aware cluster algorithm in mobile grid

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics