clc;clear all;close all;%初始化 dataSize=13; rand('state',1); K=1; dataFrame=rand(dataSize,2).*0.2; % plot(dataFrame(:,1)',dataFrame(:,2),'x'); CATEGORY = zeros(dataSize,5);%單個站點狀態描述矩陣（4個特征） categoryId = [1:dataSize]';%有dataSize行 categorySiteMode = rand(dataSize,1)>0.5;%蝴蝶是1，star是0，比例是0.5 categorySiteStatus = zeros(dataSize,1);%是主站還是子站 全零空陣 categoryIfConnect = zeros(dataSize,1);%主站（1）還是子站（0）。。。4 categoryCLASS=zeros(dataSize,1);%所屬類別 初始化全零 categoryHS = -1*ones(dataSize,1); [Id,SiteMode,Class,HorS,Layer...%] = deal(1,2,3,4,5); CATEGORY(:,Id) = categoryId;%序列號。。。。。。。。。。。。。。。1 CATEGORY(:,SiteMode) = categorySiteMode;%蝴蝶（1） star（0）。。。。2 CATEGORY(:,Class) = categoryCLASS;%分類后所屬編號。。。。。。。。。3 CATEGORY(:,HorS) = categoryIfConnect;%主站（1）還是子站（0）。。。4 CATEGORY(:,Layer) = categoryHS;%主站（1）還是子站（0）。。。4 %[序列 蝴蝶 類別 主站]Output = zeros(dataSize,dataSize);%連接關系網絡 1000*1000 %% tic [idx ,C] = kmeans(dataFrame,K);%使用聚類 countClass=zeros(K,1); CATEGORY(:,Class)=idx';%更新類別屬性的列CATEGORY(:,Class) %%計算每一類的個數填充矩陣countClass for iii=1:K%數出每一類有幾個基站 countClass(iii)=sum(idx==iii); end %% % for kk=1:K % plot(dataFrame(idx==kk,1),dataFrame(idx==kk,2),'.','MarkerSize',12); % hold on; % end % plot(C(:,1),C(:,2),'kx',... % 'MarkerSize',12,'LineWidth',3); % grid on;title '聚類分布圖';xlabel('經度/°');ylabel('緯度/°'); %%DISCentroidBetweenEach = zeros(length(C),length(dataFrame));%每一個 for i = 1:length(C)for j=1:length(dataFrame)if CATEGORY(j,Class)==i;DISCentroidBetweenEach(i,j)=distance(C(i,1),C(i,2),dataFrame(j,1),dataFrame(j,2));%注意這里用的是聚類中心之間的距離不是主站elseDISCentroidBetweenEach (i,j)=NaN;endend end %% CentroiIndex=zeros(K,1); for i=1:K % 提取每一類中儲存著聚類中心坐標 與 其余各個點坐標（包括自己。。自己跟自己肯定最近啊哈哈哈哈）距離的 行矩陣a=DISCentroidBetweenEach(i,:); % 找出其中最小的一個 提取下標，這個就是要的主站身份ID[bB iI]=sort(a); % 把身份ID儲存到 CentroiIndex中 CentroiIndex(i)=iI(1); end %% % 設定距離閾值 HH=999;% 主站到主站50 HS=999;% 主站到基站20 SS=999;% 基站到基站10%% k=1; Kslice=CATEGORY(find(CATEGORY(:,Class)==k),:);% Kslice有用的是第一列的ID切片fromH=CentroiIndex(k);toS= Kslice(:,1);disFromHtoS=zeros(1,length(toS));for F=1:length(toS)disFromHtoS(F) = disFromTo(toS(F),CentroiIndex(k),dataFrame );end[HSdis HsID_temp]=sort(disFromHtoS,'descend');temp_slice=Kslice(:,1);HsID = temp_slice(HsID_temp);%這個是直接能夠灌入距離計算的排序后原始ID 注意，最后一個就是主站自己 驗證完畢 for cn=1:8 F= HsID(cn); [CATEGORY,Output] = connectSite(F, CentroiIndex(k),Output,CATEGORY,1,1); end% 企圖連接剩下的四個點 box=HsID(9:12);%連接第二層 initSumDIs=0; Final=zeros(1,4)+1; for i=1:4 initSumDIs=initSumDIs+(disFromTo(box(1),HsID(4+i),dataFrame )); end Rt=[];Ri=[]; %% SearchCount=0; [O1 O2 O3 O4]=deal(0); initO=[O1 O2 O3 O4] sr=[]; for O1=1:8for O2=1:8for O3=1:8 for O4=1:8%%if O4~=O3&O4~=O2&O4~=O1&O3~=O2&O3~=O1&O2~=O1currentO=[O1 O2 O3 O4]; for S1=1:4for S2=1:4for S3=1:4for S4=1:4if S4~=S3&S4~=S2&S4~=S1&S3~=S2&S3~=S1&S2~=S1tempSum=(disFromTo(box(S1),HsID(O1),dataFrame) +disFromTo(box(S2),HsID(O2),dataFrame)+...disFromTo(box(S3),HsID(O3),dataFrame)+disFromTo(box(S4),HsID(O4),dataFrame));Rt=[Rt tempSum ];Ri=[Ri initSumDIs];SNow=[S1 S2 S3 S4];SearchCount=SearchCount+1;sr=[sr SearchCount];if SearchCount>10000break;endif (tempSum<initSumDIs)Final=[S1 S2 S3 S4];initSumDIs=tempSum;initO=currentO;SearchCount=0;elsecontinue;endendendendend end end %% endendend end%% for ii=1:4[CATEGORY,Output] = connectSite(box(Final(ii)) ,HsID(initO(ii)),Output,CATEGORY,1,1); end %% toc % G=graph(Output); % subplot(1,2,1) % plot(G) % subplot(1,2,2)plot(Rt,'LineWidth',0.05);hold on ;plot(Ri,'LineWidth',2); legend('嘗試','最優'); xlabel('嘗試次數'); ylabel('距離代價'); %% %REF % hold on % scatter(dataFrame(4,1),dataFrame(4,2),'*')
function [CATEGORY,Output] = connectSite(from , to,Output,CATEGORY,Contyp,LayerN) %輸入連接矩陣關系矩陣CONNInput，觸發站點編號from，目的站點編號to ，大目錄CATEGORY，連接類型HH（2）還是Hs（1）、SS（1） % 層屬性更新變量LayerN % Detailed explanation goes here Output(from,to)=Contyp; Output(to,from)=Contyp; CATEGORY(from,5)=LayerN; CATEGORY(to,5)=LayerN;end
function [ DIS ] = computeMutualDis(dataFrame,La,Lo) %要求輸入數據框架本體dataFrame，與La,Lo % dataFrame用來計算尺寸 La,Lo用來計算距離的實際經緯度 DIS = zeros(length(dataFrame),length(dataFrame));%s Radius = 6378; az=0; [h l] = size(dataFrame);%分別獲取數據框架的行（h）列（l）值 for i=1:hfor j=1:h%距離計算arclen是曲線距離,az是直線距離[arclen,az] = distance(La(i),Lo(i),La(j),Lo(j),Radius);DIS(i,j) = arclen;%更改這個可以實現距離替換end endend
function [ DIS ] = computeMutualDis(dataFrame,La,Lo) %要求輸入數據框架本體dataFrame，與La,Lo % dataFrame用來計算尺寸 La,Lo用來計算距離的實際經緯度 DIS = zeros(length(dataFrame),length(dataFrame));%s Radius = 6378; az=0; [h l] = size(dataFrame);%分別獲取數據框架的行（h）列（l）值 for i=1:hfor j=1:h%距離計算arclen是曲線距離,az是直線距離[arclen,az] = distance(La(i),Lo(i),La(j),Lo(j),Radius);DIS(i,j) = arclen;%更改這個可以實現距離替換end endend

總結

以上是生活随笔為你收集整理的2018SZB-B 暴力搜索拓扑结构的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。