(3) 定義網(wǎng)絡(luò)誤差

　　在訓(xùn)練的過(guò)程中，必須度量網(wǎng)絡(luò)收斂到期望值的程度即為網(wǎng)絡(luò)誤差。對(duì)于給定的訓(xùn)練集合來(lái)說(shuō)，期望值是已知的。本文選取式(4)作為度量函數(shù)，當(dāng)Ep<0.000 1時(shí)，神經(jīng)網(wǎng)絡(luò)滿足精度要求。此時(shí)神經(jīng)網(wǎng)絡(luò)具備了識(shí)別能力。

　　式中，Ep是網(wǎng)絡(luò)誤差，tpi是第i個(gè)輸出神經(jīng)元的期望值，Opi是第i個(gè)輸出神經(jīng)元的實(shí)際值。

　　(4) 進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練

　　利用已有神經(jīng)網(wǎng)絡(luò)應(yīng)用程序，把學(xué)習(xí)樣本歸一化后輸入到模型，讓網(wǎng)絡(luò)模型對(duì)學(xué)習(xí)樣本反復(fù)地學(xué)習(xí)，直到網(wǎng)絡(luò)的識(shí)別精度滿足要求，這時(shí)網(wǎng)絡(luò)模型已基本建立，即可進(jìn)行效能評(píng)估。樣本的錄用和訓(xùn)練過(guò)程如圖3和圖4所示。

　　3 不同分簇網(wǎng)絡(luò)通信能力的評(píng)估

　　當(dāng)前用于Ad H0c網(wǎng)絡(luò)模擬軟件有NS-2、OPNET和GloMoSim等，但這幾種軟件都沒有集成的分簇算法。為了便于實(shí)現(xiàn)，這里利用VC++語(yǔ)言編制簡(jiǎn)單的程序來(lái)對(duì)不同分簇算法構(gòu)建的網(wǎng)絡(luò)的通信能力進(jìn)行效能評(píng)估。在模擬環(huán)境中，不考慮背景噪聲、分組傳輸差錯(cuò)和分組沖突對(duì)分簇以及效能評(píng)估的影響。在效能評(píng)估的過(guò)程中，假定各節(jié)點(diǎn)傳輸?shù)墓β氏嗟?，建立仿真?chǎng)景的大小為150×150單位距離的仿真區(qū)域。在此仿真區(qū)域內(nèi)設(shè)置30個(gè)節(jié)點(diǎn)，仿真時(shí)間為1 000個(gè)時(shí)間單位。在30個(gè)節(jié)點(diǎn)選擇10個(gè)節(jié)點(diǎn)作為移動(dòng)節(jié)點(diǎn)，節(jié)點(diǎn)的移動(dòng)方向在[0，2π]內(nèi)隨機(jī)分布，節(jié)點(diǎn)的移動(dòng)速度在[0，5]之間隨機(jī)選擇，其單位是單位距離／時(shí)間。

　　節(jié)點(diǎn)的運(yùn)動(dòng)方式選用隨機(jī)點(diǎn)運(yùn)動(dòng)模型，每個(gè)移動(dòng)節(jié)點(diǎn)在網(wǎng)絡(luò)初始化時(shí)被分配一個(gè)運(yùn)動(dòng)和方向，每隔一定單位時(shí)間，隨機(jī)改變節(jié)點(diǎn)的移動(dòng)速度和方向，這樣節(jié)點(diǎn)的運(yùn)動(dòng)將更加隨機(jī)，如果移動(dòng)節(jié)點(diǎn)碰到區(qū)域的邊界時(shí)按照一定的規(guī)則(反射)向區(qū)域內(nèi)運(yùn)動(dòng)。通信能力仿真的流程如下：①加載網(wǎng)絡(luò)數(shù)據(jù)；②對(duì)網(wǎng)絡(luò)進(jìn)行分簇；③模擬通信過(guò)程，計(jì)算不同分簇算法下各底層指標(biāo)。④利用訓(xùn)練好的：BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行通信能力評(píng)估；⑤增大節(jié)點(diǎn)的傳輸范圍，重復(fù)上述模擬過(guò)程。網(wǎng)絡(luò)通信能力評(píng)估仿真的流程圖如圖5所示，網(wǎng)絡(luò)通信能力隨節(jié)點(diǎn)傳輸范圍的變化如圖6所示。

　　仿真結(jié)果表明：WCA分簇算法構(gòu)建的網(wǎng)絡(luò)，在傳輸范圍變化的過(guò)程中，都有一定的優(yōu)勢(shì)。在傳輸范圍小于60之前，MOBIC和LOWID分簇算法構(gòu)建的網(wǎng)絡(luò)其通信能力強(qiáng)于HIGHD。但隨著傳輸范圍的增大，HIGHD分簇算法構(gòu)建的網(wǎng)絡(luò)優(yōu)于其他分簇算法。原因在于WCA分簇算法負(fù)載平衡度高，減少了網(wǎng)絡(luò)阻塞和瓶頸出現(xiàn)的概率，提高了網(wǎng)絡(luò)的通信能力。HIGHD分簇算法簇頭承擔(dān)的業(yè)務(wù)量較高，因此容易出現(xiàn)阻塞的現(xiàn)象，而當(dāng)傳輸范圍增大到一定程度，其簇頭數(shù)較少，控制和通信開銷小，通信能力增強(qiáng)。

　　4 結(jié)束語(yǔ)

　　針對(duì)Ad Hoc網(wǎng)絡(luò)的特點(diǎn)?？紤]到?jīng)Q定通信能力的底層指標(biāo)與網(wǎng)絡(luò)通信能力是非線性映射關(guān)系，本文把神經(jīng)網(wǎng)絡(luò)的方法用于網(wǎng)絡(luò)通信能力評(píng)估，該方法能夠比較準(zhǔn)確地評(píng)估網(wǎng)絡(luò)的通信能力，但在通信能力的評(píng)估中，考慮的底層指標(biāo)可能不夠全面，仿真結(jié)果有一定局限性。