路由仿真
-
-
-
基于K均值聚类的改进Salama网络拓扑生成算法
本项目完整实现了对经典Salama网络拓扑生成算法的深度改进与优化，旨在为网络仿真、路由协议研究及流量工程提供更加逼真且数据丰富的拓扑环境。项目的主要功能与改进点包括：首先，创新性地引入K均值（K-Means）聚类算法来控制网络节点的空间分布策略，通过聚类中心的引导，使得生成的节点在仿真区域内的分布疏密有致，有效避免了传统随机生成中常见的局部过于密集或过度稀疏的问题，从而显著提高了生成拓扑的连通概率和结构均匀性。其次，项目极大地丰富了网络拓扑的属性数据，生成的模型不仅包含基础的连接关系，还完整生成了链路属性（通信费用、传输时延、链路带宽）和节点属性（节点处理费用、节点处理时延、时延抖动、数据包丢包率），支持多约束条件的QoS路由算法验证。最后，项目采用了符合物理现实的传播时延计算模型，将链路时延严格定义为节点间的欧几里得距离除以三分之二光速（即光信号在光纤介质中的实际传播速度），从而替代了抽象的随机权重，使得仿真结果更具物理意义。该源码通用性强，支持参数化配置，并提供直观的拓扑可视化展示。
