BP神经网络的Ad Hoc网络通信能力评估

节点的运动方式选用随机点运动模型，每个移动节点在网络初始化时被分配一个运动和方向，每隔一定单位时间，随机改变节点的移动速度和方向，这样节点的运动将更加随机，如果移动节点碰到区域的边界时按照一定的规则(反射)向区域内运动。

通信能力仿真的流程如下：①加载网络数据；②对网络进行分簇；③模拟通信过程，计算不同分簇算法下各底层指标。④利用训练好的：BP神经网络模型进行通信能力评估；⑤增大节点的传输范围，重复上述模拟过程。网络通信能力评估仿真的流程图如图5所示，网络通信能力随节点传输范围的变化如图6所示。

仿真结果表明：WCA分簇算法构建的网络，在传输范围变化的过程中，都有一定的优势。在传输范围小于60之前，MOBIC和LOWID分簇算法构建的网络其通信能力强于HIGHD。但随着传输范围的增大，HIGHD分簇算法构建的网络优于其他分簇算法。原因在于WCA分簇算法负载平衡度高，减少了网络阻塞和瓶颈出现的概率，提高了网络的通信能力。HIGHD分簇算法簇头承担的业务量较高，因此容易出现阻塞的现象，而当传输范围增大到一定程度，其簇头数较少，控制和通信开销小，通信能力增强。

4 结束语

针对Ad Hoc网络的特点。考虑到决定通信能力的底层指标与网络通信能力是非线性映射关系，本文把神经网络的方法用于网络通信能力评估，该方法能够比较准确地评估网络的通信能力，但在通信能力的评估中，考虑的底层指标可能不够全面，仿真结果有一定局限性。