14、去中心化机器人群集聚类与自主周边防御中的异质性研究

去中心化机器人群集聚类与自主周边防御中的异质性研究

去中心化机器人群集聚类

在去中心化机器人群集聚类中，最短生成森林距离数据的更新至关重要。通过 updateDistanceTree() 子程序，能利用所有邻居的最新信息更新该数据，它主要完成两个关键任务：
1. 运行分布式Dijkstra反向搜索，为每个节点提供其到最近根节点的距离。
2. 检测该机器人是否被提升为根节点，若是，则增加 t 的值并重新启动分布式距离计算。

该算法以分布式方式工作，依赖本地消息传递。每次分布式迭代（在群集级别）都与唯一的数字 t 相关联。会忽略来自先前迭代的消息以及超出允许通信半径 d 的消息。当根节点增加迭代次数时，最短路径树距离计算会重置。若使用入侵检测与响应系统（IDRS），则会更新子树集。

使用 populateMessageMetaData() 子程序填充基本消息数据（迭代、树距离等）。若该机器人是根节点（ droot = 0 ），未耗尽根传递阈值（ z ≤ zmax ），且树在用户定义的时间内稳定（ currentTime() - lastUpdated ≥ Tmin ），则该机器人会选择新的集群根节点（其拥有最多后代的子节点），并将此数据添加到传出消息中。

若使用IDRS，会忽略来自疑似恶意机器人的消息。通过定义“冲突持续时间”，可避免因启动效应（最小生成森林尚未收敛时）导致的问题。仅当机器人报告冲突数据的时间