圖3表示當(dāng)k=10，D=4時(shí)，隨著網(wǎng)絡(luò)規(guī)模的增大，push-relabled算法的性能。
在上文中，分析了push-relabel算法的時(shí)間復(fù)雜度為O(4L2)。但從實(shí)驗(yàn)結(jié)果(如圖3(a)所示)可以看出，算法的平均和最大時(shí)間復(fù)雜度與L呈線性關(guān)系，如當(dāng)網(wǎng)絡(luò)大小為8 000時(shí)，平均只需要1 000輪便可得到解。
從圖3(b)曲線來看，網(wǎng)絡(luò)中所有節(jié)點(diǎn)發(fā)送信息量的總和隨著網(wǎng)絡(luò)規(guī)模的增大呈O(L2+α)(0α1)增長(zhǎng)，比上文分析的總的信息交換量O(L3log L)要好。由此可知，通過對(duì)算法的改進(jìn)，算法在實(shí)際運(yùn)行中總的性能比push-relabel算法要好一些。

5 結(jié)語
本文在前人研究的基礎(chǔ)上給出了三維空間移動(dòng)傳感器最大移動(dòng)距離的一個(gè)界，并采用最大網(wǎng)絡(luò)流算法，實(shí)現(xiàn)了傳感器移動(dòng)策略，減少了每個(gè)傳感器因移動(dòng)消耗的能量，提高了網(wǎng)絡(luò)的覆蓋性能。但對(duì)于三維網(wǎng)絡(luò)達(dá)到k-覆蓋時(shí)傳感器的具體定位還有待于進(jìn)一步研究。