【GNN】基于GNN图神经网络模型的最小连通支配集的构造算法的MATLAB仿真

1.软件版本

matlab2021a

2.本算法理论知识

1.将无线传感器网络抽象成一个连通的拓扑图，这个拓扑图中利用神经网络的思想建立一个模型，从而有助于连通支配集的构造。

2.基于神经网络的连通支配集的集中式构造算法，通过确定一种算法来对建立的无线传感器网络的模型进行训练，达到的要求，训练GNN模型，使得最终的测试集可以快速找出输入图中的连通支配集。从而得到一个质量好的连通支配集。

3.将整个无线传感器网络抽象为一个连通的拓扑图，是在这个图中找到一个最小的连通子图，即找到一个MCDS。这里考虑一个由递归神经网络RNN和前馈神经网络FNN组成的GNN(Graph Neural Network)在一个有向图中进行建模，寻找图中节点度大的节点作为支配节点，若节点度相同，则将ID小的节点作为支配节点，这些节点形成图中的最小支配集。

4.确保其建模的准确性，保证连通支配集的连通性和支配性，并最终生成图与一般集中式算法做出对比，其cds规模，高权值节点所占比例，网络生命周期等性能皆优于一般算法。

因此，这里，我们人工计算出网络节点数量从10~300之间的

结构图如下：