本發(fā)明涉及車輛自組織網(wǎng)絡(luò)和復(fù)雜網(wǎng)絡(luò)理論交叉領(lǐng)域中的車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)優(yōu)化方法，特別是涉及一種車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法。

背景技術(shù)：

復(fù)雜網(wǎng)絡(luò)理論的研究方法主要是將復(fù)雜系統(tǒng)，如互聯(lián)網(wǎng)絡(luò)、自然網(wǎng)絡(luò)、社會(huì)網(wǎng)絡(luò)，表示為網(wǎng)絡(luò)中點(diǎn)與邊的集合，點(diǎn)代表基本單元，邊代表基本單元之間的相互關(guān)系，定義權(quán)的概念來(lái)說(shuō)明點(diǎn)和邊所包含的固有的性質(zhì)。這種表示方式比較合理的說(shuō)明復(fù)雜系統(tǒng)的基本的結(jié)構(gòu)和性質(zhì)，有利于對(duì)于復(fù)雜系統(tǒng)的基本的結(jié)構(gòu)和性質(zhì)的研究?；趶?fù)雜網(wǎng)絡(luò)理論對(duì)于復(fù)雜系統(tǒng)的相關(guān)研究主要集中于網(wǎng)絡(luò)動(dòng)力學(xué)的研究領(lǐng)域。

對(duì)于復(fù)雜網(wǎng)絡(luò)理論的研究將促進(jìn)相關(guān)領(lǐng)域的理論和應(yīng)用的迅速發(fā)展。

級(jí)聯(lián)失效問(wèn)題可以定義為對(duì)于復(fù)雜系統(tǒng)(復(fù)雜網(wǎng)絡(luò))進(jìn)行蓄意的或者隨機(jī)的攻擊，導(dǎo)致一個(gè)或者若干個(gè)節(jié)點(diǎn)的損壞或者缺失，一個(gè)或者若干個(gè)節(jié)點(diǎn)的損壞或者缺失又進(jìn)一步的蔓延，進(jìn)一步的導(dǎo)致復(fù)雜系統(tǒng)在一定范圍內(nèi)甚至在全局范圍內(nèi)的崩潰。因此，如何有效的處理級(jí)聯(lián)失效問(wèn)題是現(xiàn)如今亟需研究的一個(gè)應(yīng)用方面的問(wèn)題。相關(guān)的研究主要集中于級(jí)聯(lián)失效模型的構(gòu)建，提出一系列提高網(wǎng)絡(luò)魯棒性的方案，以及級(jí)聯(lián)失效問(wèn)題與人工智能算法的結(jié)合。

車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)是智能交通系統(tǒng)中移動(dòng)自組織網(wǎng)絡(luò)的重要組成部分之一，車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)的構(gòu)建對(duì)于提高移動(dòng)自組織網(wǎng)絡(luò)的安全性和可靠性，保證人、車、路之間互聯(lián)互通有十分重要的意義。因此，在車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)的實(shí)際應(yīng)用場(chǎng)景下，一個(gè)關(guān)鍵的問(wèn)題是如何構(gòu)建車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)，以實(shí)現(xiàn)在消耗資源最小化的前提之下提高可靠性的最大化。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是為了解決上述問(wèn)題，提出一種車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法。

一種車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法，包括以下幾個(gè)步驟：

步驟一：提取實(shí)際應(yīng)用場(chǎng)景下的車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)，將其抽象為復(fù)雜網(wǎng)絡(luò)；

步驟二：基于所建立的復(fù)雜網(wǎng)絡(luò)的鄰接矩陣，設(shè)定邊的權(quán)重，構(gòu)建目標(biāo)函數(shù)以及效率和成本的函數(shù)；

步驟三：引入初始的擾動(dòng)，根據(jù)級(jí)聯(lián)實(shí)效模型，模擬網(wǎng)絡(luò)的級(jí)聯(lián)實(shí)效過(guò)程，并且調(diào)整目標(biāo)函數(shù)中的兩個(gè)參數(shù)；

步驟四：采用CRO算法，確定CRO算法中的參數(shù)，生成初始的可行解，并且以CRO算法的流程，對(duì)初始的可行解進(jìn)行迭代優(yōu)化，直到局部最優(yōu)解趨于全局最優(yōu)解；

步驟五：記錄總體迭代過(guò)程中對(duì)應(yīng)的四個(gè)理論指標(biāo)值的變化趨勢(shì)，并且存入信息庫(kù)中，為類似的網(wǎng)絡(luò)優(yōu)化提供定性和定量的評(píng)價(jià)以及參考。

本發(fā)明的優(yōu)點(diǎn)在于：

(1)本發(fā)明車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法，采取復(fù)雜網(wǎng)絡(luò)的研究方法，將實(shí)際情況下的車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)抽象為理論情況下的車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)，基于此，從復(fù)雜網(wǎng)絡(luò)的角度定義網(wǎng)絡(luò)失效過(guò)程、網(wǎng)絡(luò)演化過(guò)程、網(wǎng)絡(luò)分析過(guò)程的基本流程，著眼于實(shí)際應(yīng)用場(chǎng)景下車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)的級(jí)聯(lián)失效問(wèn)題，實(shí)現(xiàn)車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化。充分的考慮到影響車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)性能的各方面因素，以保證其具有良好的綜合性能，與此同時(shí)，參考復(fù)雜網(wǎng)絡(luò)的一系列性質(zhì)，建立一系列指標(biāo)，以便于對(duì)網(wǎng)絡(luò)的性質(zhì)進(jìn)行定性和定量的評(píng)價(jià)，為了之后的優(yōu)化過(guò)程提供經(jīng)驗(yàn)；

(2)本發(fā)明車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法，將人工智能算法應(yīng)用于級(jí)聯(lián)失效問(wèn)題的研究之中，利用一個(gè)啟發(fā)式的人工智能算法，CRO算法，替換傳統(tǒng)的進(jìn)化算法，模擬車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)結(jié)構(gòu)的演化過(guò)程，與此同時(shí)，充分考慮到車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)中級(jí)聯(lián)失效問(wèn)題的理論上和實(shí)際上的限制，進(jìn)行了一定程度上的改進(jìn)。與傳統(tǒng)的算法對(duì)比，對(duì)于多目標(biāo)優(yōu)化問(wèn)題，CRO算法有良好的運(yùn)算效率和效果，其中，選擇在算法的起始位置和終止位置，以及每一次迭代循環(huán)過(guò)程的起始位置，增加一個(gè)可行解的限制條件檢驗(yàn)機(jī)制，可以在一定程度上提高運(yùn)算效率和效果。

附圖說(shuō)明

圖1為本發(fā)明車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法流程圖；

圖2為級(jí)聯(lián)失效仿真過(guò)程流程圖；

具體實(shí)施方式

下面將結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。

本發(fā)明是一種車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)通信單元布局優(yōu)化方法，流程如圖1所示，包括以下幾個(gè)步驟：

步驟一，提取實(shí)際應(yīng)用場(chǎng)景下的車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)，將其抽象為復(fù)雜網(wǎng)絡(luò)，定義為R網(wǎng)絡(luò)，其中，點(diǎn)定義為車聯(lián)網(wǎng)路側(cè)單元設(shè)備，點(diǎn)和點(diǎn)之間的邊定義為設(shè)備之間建立通訊，并且生成其鄰接矩陣G，G為一個(gè)N*N矩陣，N為點(diǎn)的個(gè)數(shù)，矩陣G中的元素表示兩個(gè)點(diǎn)之間是否有邊相連，元素為1則有邊相連，元素為0則沒(méi)有邊相連。

步驟二，設(shè)k_ij表示矩陣中邊的權(quán)重，i和j表示網(wǎng)絡(luò)中任意兩個(gè)點(diǎn)，則初始的時(shí)候，若i和j之間有邊連接，則k_ij＝1，若i和j之間沒(méi)有邊連接，則k_ij＝0，此時(shí)，將目標(biāo)函數(shù)定義為：

Val＝aA(G)-bB(G) (1)

其中，A(G)表示網(wǎng)絡(luò)的總體效率，B(G)表示網(wǎng)絡(luò)的總體成本，a、b為參數(shù)，表示目標(biāo)函數(shù)Val中，總體效率A(G)和總體成本B(G)所分別占有的比重，取值范圍為[0.5,1.5]，取值跨度為0.1，因此，要分別確定A(G)和B(G)，

$A\left(G\right)=\frac{1}{N(N-1)}{\mathrm{\Σ}}_{i\≠j\∈G}{\mathrm{\λ}}_{ij}---\left(2\right)$

$B\left(G\right)=\frac{1}{{\mathrm{\Σ}}_{i=1}^N\frac{1}{{\mathrm{\μ}}_i}}---\left(3\right)$

其中，N為網(wǎng)絡(luò)中點(diǎn)的個(gè)數(shù)，表示所確定的A(G)和B(G)是一個(gè)平均值，λ_ij為點(diǎn)i和點(diǎn)j之間的傳輸效率，也就是車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)兩個(gè)設(shè)備間的通訊效率，μ_i為點(diǎn)i之中所需要的傳輸容量，也就是車聯(lián)網(wǎng)路側(cè)單元網(wǎng)絡(luò)單個(gè)設(shè)備中的通訊成本，

對(duì)于λ_ij的計(jì)算，根據(jù)網(wǎng)絡(luò)的定義，尋找任意兩個(gè)點(diǎn)i和點(diǎn)j之間的最短路徑，例如，點(diǎn)i和點(diǎn)j之間的最短路徑為(x₁,x₂，……x_k)，(x₁，x₂，……x_k)為兩個(gè)點(diǎn)之間的點(diǎn)，對(duì)于任意的點(diǎn)i和點(diǎn)j，計(jì)算為兩點(diǎn)之間的最短路徑，f₁為x₁和x₂之間的邊的權(quán)重，f₂為x₂和x₃之間的邊的權(quán)重，……等，以此類推,r表示最短路徑的編號(hào)。

對(duì)于μ_i的計(jì)算，對(duì)于任意一點(diǎn)i，計(jì)算μ_i＝d·H_i(0)，H_i(0)表示初始狀態(tài)下，點(diǎn)i的負(fù)載，定義為時(shí)間步長(zhǎng)為t＝0時(shí)刻經(jīng)過(guò)點(diǎn)i的最短路徑的個(gè)數(shù)，d為參數(shù),d表示點(diǎn)i的容量和負(fù)載之間的相對(duì)關(guān)系，若d的取值大于1，則點(diǎn)i的容量大于負(fù)載，處于較寬松的狀態(tài)，若d的取值小于1，則點(diǎn)i的容量小于負(fù)載，處于較緊張的狀態(tài)，d的取值范圍為[0,2]，其中，對(duì)于所有的點(diǎn)，μ是固定不變的，H不是固定不變的，可能隨時(shí)間步長(zhǎng)，也就是級(jí)聯(lián)失效過(guò)程中每一次迭代的變化而變化的，例如，H_i(0),H_i(1),H_i(2),……，可以將每一個(gè)時(shí)間步長(zhǎng)的所有的點(diǎn)的H的值視為一個(gè)一維矩陣。

步驟三，引入初始的擾動(dòng)，網(wǎng)絡(luò)中某個(gè)點(diǎn)的容量減少為初始的一定的百分比，此時(shí)，可能會(huì)出現(xiàn)該節(jié)點(diǎn)的負(fù)載大于該節(jié)點(diǎn)的容量的情況，根據(jù)級(jí)聯(lián)失效模型模擬網(wǎng)絡(luò)的級(jí)聯(lián)失效過(guò)程，一個(gè)時(shí)間步長(zhǎng)完成一次迭代過(guò)程，更新一次網(wǎng)絡(luò)的權(quán)重矩陣和負(fù)載矩陣，并且計(jì)算一次目標(biāo)函數(shù)值Val，持續(xù)到Val趨于穩(wěn)定，其中級(jí)聯(lián)失效模型為：

其中，k_ij表示矩陣中邊的權(quán)重。

與此同時(shí)，對(duì)于目標(biāo)函數(shù)中的兩個(gè)參數(shù)a和b，進(jìn)行調(diào)整，分別取值為，

a∈[1.5,1.4,1.3,1.2,1.1,1.0,0.9,0.8,0.7,0.6,0.5]

b∈[0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4,1.5]

兩兩一組，{a＝1.5,b＝0.5}、{a＝1.4,b＝0.6}、{a＝1.3,b＝0.7}、{a＝1.2,b＝0.8}、{a＝1.1,b＝0.9}、{a＝1.0,b＝1.0}、{a＝0.9,b＝1.1}、{a＝0.8,b＝1.2}、{a＝0.7,b＝1.3}、{a＝0.6,b＝1.4}、{a＝0.5,b＝1.5}，代入目標(biāo)函數(shù)中，執(zhí)行上述級(jí)聯(lián)失效過(guò)程，比較趨于穩(wěn)定的Val，選擇其中可以令結(jié)果相對(duì)比較好的參數(shù)組合為之后的目標(biāo)函數(shù)的參數(shù)(這里提到的相對(duì)比較好的結(jié)果，指的是在級(jí)聯(lián)失效過(guò)程之后，趨于穩(wěn)定的Val值越大，認(rèn)為結(jié)果越好，趨于穩(wěn)定的Val值越小，認(rèn)為結(jié)果越不好)。

步驟四，確定目標(biāo)函數(shù)為Val＝aA(G)-bB(G)，根據(jù)所選擇的CRO算法的規(guī)則，確定其他一系列參數(shù)，包括

PopSize(初始可行解個(gè)數(shù))，定義為初始生成的可行解集中可行解的個(gè)數(shù)；

MoleCollision(處理方式選擇判斷標(biāo)準(zhǔn))，定義為判斷從可行解集中選擇的可行解的個(gè)數(shù)的標(biāo)準(zhǔn)；

DCriterion(D判斷標(biāo)準(zhǔn))，判斷是On---wall ineffective collision(分子與墻壁無(wú)效碰撞過(guò)程)或是Decomposition(分解過(guò)程)；

SCriterion(S判斷標(biāo)準(zhǔn))，判斷是Intermolecular ineffective collision(分子間無(wú)效碰撞過(guò)程)或是Synthesis(合成過(guò)程)；

可行解可以定義為實(shí)現(xiàn)對(duì)于網(wǎng)絡(luò)的初始的鄰接矩陣的結(jié)構(gòu)優(yōu)化的N*N矩陣，矩陣中的每一個(gè)元素，隨機(jī)的選擇為1，2，3，4，所表示的意義分別定義為，

1表示兩點(diǎn)之間增加一條邊，若兩點(diǎn)之間本來(lái)就有邊則不變；

2表示兩點(diǎn)之間減少一條邊，若兩點(diǎn)之間本來(lái)就沒(méi)有邊則不變；

3表示更改兩點(diǎn)之間邊的連接方式，也就是將A和B相連改為B和C相連，A、B、C表示網(wǎng)絡(luò)中的三個(gè)點(diǎn)，若兩點(diǎn)之間本來(lái)就沒(méi)有邊則不變；

4表示無(wú)變化；

可行解的限制條件檢驗(yàn)，其中的限制條件包括，

1)根據(jù)可行解修正后的鄰接矩陣所表示的網(wǎng)絡(luò)是否是一個(gè)整體連接的網(wǎng)絡(luò)；

2)根據(jù)可行解修正后的鄰接矩陣所表示的網(wǎng)絡(luò)的邊的個(gè)數(shù)是否不大于閾值；

對(duì)于不符合限制條件檢驗(yàn)的可行解要重新生成，

定義PE和KE，PE對(duì)應(yīng)的是化學(xué)反應(yīng)中的勢(shì)能，這里指的是某個(gè)可行解所對(duì)應(yīng)的目標(biāo)函數(shù)的函數(shù)值；定義KE，KE對(duì)應(yīng)的是化學(xué)反應(yīng)中的動(dòng)能，這里指的是某個(gè)可行解在某一個(gè)迭代步驟中完成所選擇的處理方式的一種趨勢(shì)程度；

生成一定個(gè)數(shù)的可行解，可行解的個(gè)數(shù)為PopSize，并且執(zhí)行限制條件檢驗(yàn)，計(jì)算各個(gè)可行解對(duì)應(yīng)的PE，并且給各個(gè)可行解賦予一個(gè)KE，定義為InitialKE，生成一個(gè)隨機(jī)數(shù)value，隨機(jī)數(shù)value的取值范圍為[0,1]，執(zhí)行以下四個(gè)過(guò)程，

(1)若value大于Molecollision，則隨機(jī)的選擇一個(gè)可行解，并且執(zhí)行R網(wǎng)絡(luò)的級(jí)聯(lián)失效仿真過(guò)程，獲得Val值，再判斷DCriterion條件是否成立，

DCriterion條件指的是PE(w)+KE(w)+buffer>PE(w*1)+PE(w*2)；

w指的是所選擇的可行解，w*指的是若執(zhí)行Decomposion處理方式之后生成的可行解，buffer指的是能量存儲(chǔ)器之中的可以利用的動(dòng)能，能量存儲(chǔ)器定義為將與反應(yīng)容器之間發(fā)生碰撞反應(yīng)可是沒(méi)有流失到環(huán)境中的動(dòng)能儲(chǔ)存起來(lái)并且用于其他反應(yīng)的機(jī)制，KELossRate指的是流失到環(huán)境中的動(dòng)能的百分比，

A.若DC條件成立，執(zhí)行On-wall ineffective collision處理方式，

該處理方式定義為隨機(jī)的選擇可行解矩陣中的一個(gè)元素，并且隨機(jī)的賦予其一個(gè)更新的取值，并且更新PE和KE，以及buffer，

PE更新為PE(w*)；

KE更新為(PE(w)+KE(w)+buffer-PE(w*))*(1-KELossRate)；

buffer更新為(PE(w)+KE(w)+buffer-PE(w*1)-PE(w*2))*KELossRate；

B.若DC條件不成立，則執(zhí)行Decomposition處理方式

該處理方式定義為隨機(jī)的選擇可行解矩陣中的一個(gè)元素，根據(jù)該元素所在的行和列進(jìn)行分割，以左上角為一部分，以右下角為一部分，并且分別隨機(jī)的補(bǔ)全兩個(gè)部分所缺失的部分，并且更新PE和KE，

PE更新為PE(w*1),

PE(w*2)；

KE更新為[(PE(w)+KE(w)+buffer-PE(w*1)-PE(w*2))*(1-KELossRate)]*k,[(PE(w)+KE(w)+buffer-PE(w*1)-PE(w*2))*(1-KELossRate)]*(1-k),K的取值范圍為[0,1]；

(2)若value小于Molecollision，則隨機(jī)的選擇兩個(gè)可行解，并且執(zhí)行R網(wǎng)絡(luò)的級(jí)聯(lián)失效仿真過(guò)程，獲得Val值，再判斷SCriterion條件是否成立，

SCriterion條件指的是PE(w1)+PE(w2)+KE(w1)+KE(w2)>PE(w*)；

w1，w2指的是所選擇的可行解，w*指的是若執(zhí)行Synthesis處理方式之后生成的可行解，

A.若SC條件成立，執(zhí)行Intermolecular ineffective collision處理方式，

該處理方式定義為隨機(jī)的選擇兩個(gè)可行解矩陣中的各一個(gè)元素，并且隨機(jī)的賦予其各一個(gè)更新的取值，并且更新PE和KE，

PE更新為PE(w*1),

PE(w*2)；

KE更新為[PE(w1)+PE(w2)+KE(w1)+KE(w2)-PE(w*1)-PE(w*2)]*k,[PE(w1)+PE(w2)+KE(w1)+KE(w2)-PE(w*1)-PE(w*2)]*(1-k),K的取值范圍為[0,1]；

B.若SC條件不成立，執(zhí)行Synthesis處理方式，

該處理方式定義為隨機(jī)的選擇兩個(gè)可行解矩陣中的各一個(gè)相同位置的元素，分別根據(jù)該元素所在的行和列進(jìn)行分割，以左上角為一部分，以右下角為一部分，并且將前者的左上角部分和后者的右下角部分組合在一起，并且更新PE和KE，

PE更新為PE(w*)；

KE更新為PE(w1)+PE(w2)+KE(w1)+KE(w2)-PE(w*)；

對(duì)于上述四個(gè)過(guò)程，完成之后均需要對(duì)于更新的可行解執(zhí)行限制條件檢驗(yàn)，并且執(zhí)行R網(wǎng)絡(luò)的級(jí)聯(lián)失效仿真過(guò)程，計(jì)算更新的可行解對(duì)應(yīng)的PE，四個(gè)過(guò)程分別可以表示為，

(1)A.PE(new)值，B.PE1(new)和PE2(new)值，

(2)A.PE1(new)和PE2(new)值，B.PE(new)值，

分別對(duì)應(yīng)的比較，

(1)A.PE與PE(new)，B.PE與PE1(new)和PE2(new)，

(2)A.PE1和PE2與PE1(new)和PE2(new)，B.PE1和PE2與PE(new)，

選擇其中的最優(yōu)PE值與截止到上一次迭代過(guò)程的局部最優(yōu)PE值相互比較，選擇二者之中較優(yōu)的為這一次迭代過(guò)程的局部最優(yōu)PE值且保存其對(duì)應(yīng)的可行解，判斷局部最優(yōu)PE值是否趨于穩(wěn)定，可以取近五次迭代過(guò)程的局部最優(yōu)PE值的標(biāo)準(zhǔn)差為判斷標(biāo)準(zhǔn)，檢驗(yàn)標(biāo)準(zhǔn)差是否不大于某一個(gè)給定的閾值，

若局部最優(yōu)PE值趨于平穩(wěn)，可以將局部最優(yōu)PE值提取為全局最優(yōu)PE值，并且保存其對(duì)應(yīng)的可行解，就可以基于此可行解獲得優(yōu)化后的網(wǎng)絡(luò)的鄰接矩陣，也就是優(yōu)化后的網(wǎng)絡(luò)的結(jié)構(gòu)組成，

若局部最優(yōu)PE值沒(méi)有趨于平穩(wěn)，則返回迭代過(guò)程的起始重新開(kāi)始迭代過(guò)程。

步驟五，參考復(fù)雜網(wǎng)絡(luò)的基本性質(zhì)，建立四個(gè)理論指標(biāo)，反映網(wǎng)絡(luò)的狀態(tài)，分別是最短路徑長(zhǎng)度，聚類系數(shù)，模塊化系數(shù)，同配異配系數(shù)，

A.最短路徑長(zhǎng)度:S_min是點(diǎn)i和點(diǎn)j之間的最短路徑長(zhǎng)度；

B.聚類系數(shù):t_i是點(diǎn)i的相鄰節(jié)點(diǎn)的個(gè)數(shù)，T_i是t_i個(gè)相鄰節(jié)點(diǎn)之間的邊的個(gè)數(shù)；

C.模塊化系數(shù):G_ij是點(diǎn)i和點(diǎn)j所共有的與點(diǎn)i和點(diǎn)j所有的相鄰節(jié)點(diǎn)的個(gè)數(shù)之商；

D.同配異配系數(shù):m_i和n_i分別是第i條邊的兩個(gè)端點(diǎn)的相鄰節(jié)點(diǎn)的個(gè)數(shù)，l是邊的個(gè)數(shù)的倒數(shù)；

記錄總體迭代過(guò)程中對(duì)應(yīng)的四個(gè)理論指標(biāo)值的變化趨勢(shì)，并且存入信息庫(kù)中，為類似的網(wǎng)絡(luò)優(yōu)化提供定性和定量的評(píng)價(jià)以及參考。

提取現(xiàn)實(shí)場(chǎng)景中的道路網(wǎng)絡(luò)信息以及車聯(lián)網(wǎng)專用短程通信系統(tǒng)路側(cè)單元的擬布設(shè)位置，應(yīng)用上述算法流程，就可以得到最優(yōu)的路側(cè)單元布局方案。