WSN节点部署完整代码

实验要求描述： 1、给定场景，给定WSN的节点数目，节点随机分布，能按照LEACH的介绍，实现（每一轮）对WSN的分簇。请记录前k轮（eg.k=10）/ 绘制第k轮时，网络的分簇情况，即每个节点的角色（簇头or簇成员）及其关系，如是簇成员，标记其所属的簇头 2.Note要求：     节点数目不宜过小；每轮只完成分簇，不考虑通信过程；每轮可以以定时器确定，也可以以完成当轮分簇为准；簇成员在寻找簇头时，以距离作为接收信号强弱的判断依据；当选为簇头的节点将，以后几轮的分簇中将，不再成为簇头，这个约束条件，在仿真中应能体现。

#coding=gbk
import numpy as np
import matplotlib.pyplot as plt
 
 
def dist（v_A v_B）:
    “““
    判断两个节点之间的一维距离
    :param v_A: A 二维向量
    :param v_B: B 二维向量
    :return: 一维距离
    “““
    return np.sqrt（np.power（（v_A[0] - v_B[0]） 2） + np.power（（v_A[1] - v_B[1]） 2））
 
 
def node_factory（N energy=5000）:
    “““
    生成N个节点的集合
    :param N: 节点的数目
    :param selected_flag: 标志:是否被选择为簇首-->初始化为0
    :param energy: 能量
    :return: 节点集合nodes=[[xye][xye]...]
    “““
    nodes = []
    selected_flag = []
    for _ in range（N）:
        # 在1*1矩阵生成[xye]坐标
        node = [np.random.random（） np.random.random（） energy]
        nodes.append（node）
        # print（“生成的节点为:“ node）
        # 对应的选择标志初始化为0
        selected_flag.append（0）
 
    # print（“生成:“ len（nodes） “个节点“）
    # print（“初始化标志列表为“ selected_flag）
    return nodesselected_flag
 
 
def sel_heads（rnodes flags）:
    “““
    根据阈值选取簇头节点
    :param r: 轮数
    :param nodes: 节点列表
    :param flags: 选择标志
    :param P: 比例因子
    :return: 簇首列表heads簇成员列表members
    “““
    # 阈值函数 Tn 使用leach计算
    P = 0.05 * （100 / len（nodes））
    Tn = P / （1 - P * （r % （1 / P）））
    # print（“阈值为:“ Tn）
    # 簇首列表
    heads = []
    # 簇成员列表
    members = []
    # 本轮簇首数
    n_head = 0
    # 对每个节点生成对应的随机数
    rands = [np.random.random（） for _ in range（len（nodes））]
    # print（“随机数为:“ rands）
 
    # 遍历随机数列表，选取簇首
    for i in range（len（nodes））:
        # 随机数低于阈值-->选为簇首
        if rands[i] <= Tn:
            flags[i] = 1
            heads.append（nodes[i]）
            n_head += 1
            # 被选为簇头，E-1
            nodes[i][2] -= 1
            # print（“第“ n_head “个簇首当前能量:“ nodes[i][2]）
        # 随机数高于阈值
        else:
            members.append（nodes[i]）
 
    # print（“簇首为:“ len（heads） “个-->“ heads）
    # print（“簇成员为:“ len（members） “个-->“ members）
    return heads members
 
 
def classify（nodesflag mode=1 k=20）:
    “““
    进行簇分类
    :param nodes: 节点列表
    :param flag: 节点标记
    :param mode: 0-->显示图片（死亡节点不显示）  1-->显示结束轮数
    :param k: 轮数
    :return: 簇分类结果列表 classes[[类1..][类2...]......]  [类1...簇首...簇成员]
    “““
    # k轮的有效集合: 无死亡节点
    iter_classes = []
    # 是否已有节点能量为0
    e_is_empty = 0
 
    # 迭代r轮
    for r in range（k）:
        # mode1: 若无死亡节点 继续迭代
        if e_is_empty == 0:
            # 获取簇首列表，簇成员列表
            heads members = sel_heads（rnodesflag）
            # 建立簇类的列表
            classes = [[] for _ in range（len（heads））]
 
            # 将簇首作为首节点添加到聚类列表中
            for i in range（len（heads））:
                # print（“第“ i + 1 “个簇首为“ heads[i]）
                classes[i].append（heads[i]）
 
            # print（“簇首集合:“ classes）
 
            # 簇分类:遍历节点node
            for member in members:
 
                # 选取距离最小的节点
                dist_min = 1
 
                # 判断和每个簇首的距离
                fo