11、MANET稳定聚类算法及强化学习在云计算数字图书馆的应用

MANET稳定聚类算法及强化学习在云计算数字图书馆的应用

一、MANET稳定聚类算法

1.1 研究背景与动机

在移动自组织网络（MANET）的聚类算法中，考虑运动相关性的算法能够提升集群稳定性。这类算法可分为三类：
- 仅考虑移动速度或位置的聚类算法，如MOBIC、WBACA等。
- 将移动速度和位置与简单权重值相结合的聚类算法，如DWCA等。
- 综合考虑移动速度和位置的聚类算法，如MSWCA、EMSWCA等。其中，MSWCA是最具代表性的算法，但它仅考虑了集群内稳定性，忽略了集群间稳定性，这必然会影响聚类性能。因此，提出了基于MANET的稳定聚类算法（MSCA）。

1.2 MSCA聚类算法相关定义

• 虚拟集群 ：聚类前，每个节点构建一个以自身为簇头、所有邻居节点为簇成员的虚拟集群。
• 属性优越度 ：指节点某一属性在该节点及其所有邻居相同属性中的优越程度，是节点某一属性值与该节点及其所有邻居相同属性平均值的比较值。
• 总优越度 ：指节点在由该节点及其所有邻居组成的集合中的总优越程度，由一些属性优越度综合形成。根据特定场景中各属性的重要程度设置每个属性优越度的权重值，并进行综合控制。

1.3 MSCA的基本思想

MSCA的目标是提高集群稳定性，同时降低集群维护开销。它综合考虑了集群内稳定性、集群间稳定性和集群优化。通过设置虚拟集群的多个评估指标，如VIAALET（虚拟集群内平均链路过期时间）反映集群