演算法題網路信號最好的坐標

『壹』 手機哪種卡信號最好網路最好

你好，推薦用戶辦理電信手機卡使用，電信手機卡信號穩定 通話清晰，網路速度快，而且電信的套餐多資費優惠，用戶如需辦理電信手機卡可以直接到電信營業廳辦理也可以通過電信網上營業廳辦理的

推薦用戶辦理電信暢享5G套餐使用，電信暢享5G套餐有多個檔位供用戶選擇，具體如下：

回答僅供參考，由於電信業務以及政策不定期變動，所以具體套餐或政策請以電信網上營業廳或者電信掌上營業廳發布為准。

『貳』 在無線感測器網路中，如何根據接收信號的強度來判斷發送者的距離有具體的計算公式么

基於RSSI的定位
RSSI測量，一般利用信號傳播的經驗模型與理論模型。
對於經驗模型，在實際定位前，先選取若干測試點，記錄在這些點各基站收到的信號強度，建立各個點上的位置和信號強度關系的離線資料庫(x，y，ss1，ss2，ss3)。在實際定位時，根據測得的信號強度(ss1′，ss2′，ss3′)和資料庫中記錄的信號強度進行比較，信號強度均方差最小的那個點的坐標作為節點的坐標。
對於理論模型，常採用無線電傳播路徑損耗模型進行分析。常用的傳播路徑損耗模型有：自由空間傳播模型、對數距離路徑損耗模型、哈它模型、對數一常態分布模型等。自由空間無線電傳播路徑損耗模型為：

式中，d為距信源的距離，單位為km；f為頻率，單位為MHz；k為路徑衰減因子。其他的模型模擬現實環境，但與現實環境還是有一定的差距。比如對數一常態分布模型，其路徑損耗的計算公式為：

式中，Xσ是平均值為O的高斯分布隨機變數，其標准差范圍為4～10；k的范圍在2～5之間。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此時各未知節點接收錨節點信號時的信號強度為：

RSSI=發射功率+天線增益一路徑損耗(PL(d))
2．2 基於RSSI的三角形質心定位演算法的數學模型
不論哪種模型，計算出的接收信號強度總與實際情況下有誤差，因為實際環境的復雜性，換算出的錨節點到未知節點的距離d總是大於實際兩節點間的距離。如圖1所示，錨節點A，B，C，未知節點D，根據RSSI模型計算出的節點A和D的距離為rA；節點B和D的距離為rB；節點C和D的距離為rC。分別以A，B，C為圓心；rA，rB，rC為半徑畫圓，可得交疊區域。這里的三角形質心定位演算法的基本思想是：計算三圓交疊區域的3個特徵點的坐標，以這三個點為三角形的頂點，未知點即為三角形質心，如圖2所示，特徵點為E，F，G，特徵點E點的計算方法為：

同理，可計算出F，G，此時未知點的坐標為由模擬得，在圖2中，實際點為D；三角形質心演算法出的估計點為M；三邊測量法算出的估計點為N。可知，三角形質心演算法的准確度更高。

3 基於RSSI的三角形質心演算法過程
3．1 步驟
(1)錨節點周期性向周圍廣播信息，信息中包括自身節點ID及坐標。普通節點收到該信息後，對同一錨節點的RSSI取均值。
(2)當普通節點收集到一定數量的錨節點信息時，不再接收新信息。普通節點根據RSSI從強到弱對錨節點排序，並建立RSSI值與節點到錨節點距離的映射。建立3個集合。
錨節點集合：

(3)選取RSSI值大的前幾個錨節點進行自身定位計算。
在B_set：中優先選擇RSSI值大的信標節點組合成下面的錨節點集合，這是提高定位精度的關鍵。

對錨節點集合，依次根據(3)式算出3個交點的坐標，最後由質心演算法，得出未知節點坐標。
(4)對求出的未知節點坐標集合取平均，得未知節點坐標。
3．2 誤差定義
定義定位誤差為ER，假設得到的未知節點的坐標為(xm，ym)，其真實位置為(x，y)，則定位誤差ER為：

4 仿 真
利用Matlab模擬工具模擬三角形質心演算法，考察該演算法的性能。假設在100 m×100 m的正方形區域內，36個錨節點均勻分布，未知節點70個，分別用三邊測量法和三角形質心定位演算法進行模擬，模擬結果如圖3所示。由圖3可知，三角形質心演算法比三邊測量法，定位精度更高，當測距誤差變大時，用三角形質心演算法得出的平均定位誤差比用三邊測量法得出的小得多。

5 結 語
在此提出了將RSSI方法和三角形質心定位演算法相結合的方法，通過模擬實驗，將該演算法和三邊測量演算法相比較，證明了該演算法的優越性。下一步將研究在錨節點數量不同時的平均定位誤差。

『叄』 神經網路演算法-梯度下降GradientDescent

神經網路文章索引

上一篇神經網路結構中，我們介紹了神經元的結構，激活函數以及每個神經元激活值的演算法，涉及到權重、偏置值等。

上一篇結尾提到，對於28*28的黑白手寫圖像識別，我們需要13002個權重和偏置數值，才能讓我們的神經網路最後輸出正確結果。

所謂的機器學習，就是尋找這13002個數值的過程。首先這里有兩點需要注意：

在負無窮到正無窮之間，如何獲得一萬多個數字最佳的匹配值？這比在全世界挑選1萬人讓TA們一起相愛還要難。

我們的做法是用計算機強大運算速度，暴力解決問題。

好了，現在，暴力不是問題，要想出奇跡的關鍵就在於如何找到如何 優化的規律 。

要想做優化，首先要明確目標，找到當前神經網路和期望結果之間的差距。

從下圖可以看到，隨機設定的神經網路最終輸出的是混亂的一層（被黃色線框標出），距離最右邊我們期望只點亮神經元3的情況差距很大。

我們把混亂輸出層的每個神經元與期望層每個對應神經元激活值相減，然後平方，再累加在一起，這就是方差cost代價，如下圖，計算得到cost是3.37。

我們用這個cost來表示當前神經網路13002個設定值和期望設定值之間的差距，當然，這個cost等於0是差距最小，也就是最接近期望設定值。——當然這只是針對數字3的1張圖片來說，我們需要的是針對0~9共10個數字的數萬張圖片，cost都能是最小。

從下圖，我們來看一下神經網路的功能。它能利用13002個設定值經過3層神經元激活值的計算，把784個像素亮度變為10個數字（我們期望這10個數字中只有一個是1，其他都是0）。

這13002個權重和偏置數字，加上激活值的演算法，就是神經網路的「想法」。

我們再來看看代價函數的情況，如下圖，它是利用很多很多的訓練圖片（已經明確了對應的數字），把13002個數字變為1個cost代價數。

寫成函數形式

我們假設最簡單的情況，只有1個權重和1個偏置：

x和y是任意可能的數值，我們希望知道當x和y是什麼數值的時候z最小。

每一組[x,y]都對應唯一的z，我們可以假想，有無數個[x,y,z]這樣的位置點，在三維空間坐標中，它們就會組成一個面（曲面或平面），如下圖。

從幾何意義上看，我們就是要找到凹陷最低的那個位置點的x,y的值，因為那裡z也就是cost代價最低。

假設上面的xyz繪制的cost曲面是個山地，你是一個旅行者，需要行走找到最低點的位置，你會怎麼辦？

沒錯，只要一直往下走，那麼就能走到所在區域的最低點。——當然，如果山後面還有更深的山谷，那麼你可能找到的只是局部最低點，而並非世界最低點。

實際上，對於復雜的超多維度來說，找到世界最低點幾乎是不可能任務。我們唯一能做的就是多找幾個局部最低點，然後選擇其中最低的那個。

同樣，如果我們落腳在[x',y']，那麼可以嘗試對比[x'+0.1，y']，[x'-0.1，y'],[x'，y'-0.1],[x'，y'+0.1],如果[x'+0.1,y']是最低的，那麼我們就走到這里，然後繼續嘗試對比四周點的高度。這就是梯度下降的演算法。

如下圖，我們沿著虛線一步一步下山找到最低點。

首先快速的從下圖了解幾個基本概念。
下圖的弧線表示的是某個函數y=f(x)，比如拋物線方程y=x 2 。
曲線上任取兩個點a,b，它們對應x和x+dx。（d是指德爾塔大寫Δ，小寫δ）
ab兩點對應的y的差是dy。
現在直線ab看上去是曲線的割線（有ab兩個交點）。
假設b點沿著曲線，越來越靠近a點，那麼dx極限趨近於0，這時候dy也會越來越小趨近於0，但是！我們會意識到dy/dx永遠不會是0，而最終它仍然是角∠cab的對邊比鄰邊，也就是正切三角函數值。
實際上，這也正是曲線的切線的定義。
可以想像，我們取的a點越是靠右，那麼這個切線越是豎直。
如果我們把這個切線看做表示某個一次方程，如y=mx+n這種形式，那麼a點越靠右，直線越豎直，m值也就越大。
我們把m值叫做直線的斜率。

導數derivative ，一元函數y=f(x)（即因變數y只受到一個自變數x影響的函數）中任意取x，如果x增加極小趨近於0的Δx（或者寫為dx),那麼y相應的被增加Δy（或者寫作dy），那麼導數就是dy/dx，而又有dy=f(x+dx)-f(x)，所以：

從函數的曲線圖上可以看到，某點的導數就是dx趨近於0時候∠cab的正切，導數反映了切線的陡峭程度，也就是y隨著x變化的快慢程度。

微分differential ，簡單說就是Δx和Δy，或者記作dx和dy。x稱之為自變數，y稱之為因變數，那麼x趨近於最小的時候的值，就是x的微分（趨近0又不是0的那個神秘值），同樣y的微分也是這個意思，總之是想得到又摸不到的神奇值。

斜率slope ，一元一次函數（直線方程）y=mx+n的系數m值。在這里就是a點的導數值f'(x)。

切線tangent ，某個點a的切線，就是經過a點的，以A點斜率為系數的方程y=f'(x)x+n所表示的直線。

自變數dependent variable和因變數 independent variable ，x自己的變化，引發y被動變化。

好了，我們來看 多變數微分Multivariable differential 。

上面都是一個y收到一個x的影響y=f(x)，多變數就是不止受到一個自變數的影響，我們以最簡單的z=f(x,y)為例，z=x 2 +y 2 。

綠軸x的變化和紅軸y的變化，都會對應藍軸z的變化。
x從負無窮到正無窮無限種可能，y也是無限種可能，x和y復合到一起就在水平方向覆蓋了全部地面，z值有高有低，就像現實世界中的海拔一樣，把xy平面凸起或凹陷。（圖中粉色沒有畫出全部曲面）

我們可以想像，這時候不能討論A點的切線了，而應該考慮它的 切平面tangent plane （下圖綠色平面）。

方向導數directional derivative ，就是曲面上過A點的任意曲線的切線（下圖紫色線）組成的平面，就是切平面。

這么多紫色的方向中，哪一個方向最陡峭？對於這個z=x 2 +y 2 函數來說，明顯是最接近豎直朝上的那個箭頭和最接近豎直朝下的那個箭頭。
和曲線一樣道理，越陡峭意味著z對x、y的變化越敏感，或者說dx、dy的變化會引發更多的dz。
梯度gradient ，我們規定，能夠引發因變數最快變化的那個切線正方向，就叫做曲面方程上這個點的梯度。注意梯度是個xyz表示的三維方向，例如[0，0，1]表示z軸豎直向上，[0.1,0.1,1]就往xy的正方向偏一點點。

對於只有xy兩個變數的三維曲面來說，我們還可以只是考慮x+0.1,x-0.1,y+0.1,y-0.1這樣的試探方法找到最低點，只要2*2=4次就可以了，周全一點也就8次。

但是對於我們手寫數字識別中13002個自變數來說，那就要2 13002 次，這是不可行的。

借用多元微分，我們可以找到13002個自變數某一隨機點對應的切平面（實際早已不是什麼平面了，我們姑且這么說），也可以計算出其中變化最快的方向，就是梯度，數學家已經證明，不管多少個維度，沿著梯度往前走一步，都能獲得最快變化後新的一個點，這個點是一個n維向量，對於我們的案例來說就是13003個新數字組成的數組[0.322,0.123,0.55,0.222,...0.233]共13003個數字。

唯一要說明的一點不同就是，為了找最低點，我們不是往上走，而是往相反的負方向，朝下走。

步長step size ，就是我們每次沿著 負梯度 往下走多遠，在機器學習演算法裡面它叫做 學習率learning rate ，同樣道理，步子邁小了走得太慢，找到最低點耗時間太久，步子太大了容易跳過最低點（注意，1萬多維的復雜情況不是我們上面三維漏斗曲面那麼簡單可以描述的）。所以我們經常設置0.00001這樣小的數字，好在很多機器學習程序都會適當的自動調整它（比如Tensorflow中的梯度下降優化GradientDescentOptimizer），實際上不會讓它太慢。

同時，我們從上圖中看到，計算出的負梯度是由很多數字組成的數組，每個數字代表一個維度（就像xy那樣），所以我們只要在原來的位置點坐標（比如[x,y]）上分別把這個梯度（比如[0.1,-0.3])加上去就能得到新的點([x+0.1,y-0.3])。

內容小結

如果您發現文章錯誤，請不吝留言指正；
如果您覺得有用，請點喜歡；
如果您覺得很有用，感謝轉發~

END

『肆』 移動，聯通，電信，哪個信號最好，哪個最穩定啊在城市和農村網速最快

這幾年因為工信部的各項明文規定相繼出台，國內的三大運營商對於消費者的口碑和看法極為重視，為了能夠留住更多的用戶，三大運營商都在不斷降低流量套餐的相應費用，他們資費相差也越來越小，對此更多消費者關注他們信號強度的高低以及穩定程度，有些人說中國移動的信號不僅穩定而且很強，也有人反映聯通信號使用起來也絲毫不遜色於中國移動，當然電信也是有許多重視的用戶反映其不錯。究竟哪家運營商的信號才是真的不錯呢？接下來筆者給大家詳細普及相關知識。

總而言之，移動能夠成為當前國內第一的手機運營商多少還是有有其道理存在，電信和聯通相差的信號值並不會很大，基本來說二者都是處於持平狀態，值得一提的是，信號強弱大家平時還可以分析是基站、基帶、地區和當時手機所處在的環境，手機品牌內置帶有的相關零件例如天線等也多多少少有所影響。因此平時分析大數據的時候，我們僅僅只能作為一個參考，沒有絕對信號強的運營商，自然也沒有絕對信號強的手機。

『伍』 請教，採用蟻群演算法求解TSP問題的oliver30最優路徑

給你產考產考//蟻群演算法關於簡單的TSP問題求解//#include#include#include#include#include#defineM13//螞蟻的數量#defineN144//城市的數量#defineR1000//迭代次數#defineIN1//初始化的信息素的量#defineMAX0x7fffffff//定義最大值structcoordinate{charcity[15];//城市名intx;//城市相對橫坐標inty;//城市相對縱坐標}coords[N];doublegraph[N][N];//儲存城市之間的距離的鄰接矩陣,自己到自己記作MAXdoublephe[N][N];//每條路徑上的信息素的量doubleadd[N][N];//代表相應路徑上的信息素的增量doubleyita[N][N];//啟發函數,yita[i][j]=1/graph[i][j]intvis[M][N];//標記已經走過的城市intmap[M][N];//map[K][N]記錄第K只螞蟻走的路線doublesolution[M];//記錄某次循環中每隻螞蟻走的路線的距離intbestway[N];//記錄最近的那條路線doublebestsolution=MAX;intNcMax;//代表迭代次數,理論上迭代次數越多所求的解更接近最優解,最具有說服力doublealpha,betra,rou,Q;voidInitialize();//信息初始化voidInputcoords(FILE*fp);//將文件中的坐標信息讀入voidGreateGraph();//根據坐標信息建圖doubleDistance(int*p);//計算螞蟻所走的路線的總長度voidResult();//將結果保存到out.txt中voidInitialize(){alpha=2;betra=2;rou=0.7;Q=5000;NcMax=R;return;}voidInputcoords(FILE*fp){inti;intnumber;if(fp==NULL){printf("Sorry,thefileisnotexist\n");exit(1);}else{for(i=0;idrand)break;}vis[k][j]=1;//將走過的城市標記起來map[k][s]=j;//記錄城市的順序}s++;}memset(add,0,sizeof(add));for(k=0;k20)//設立一個上界,防止啟發因子的作用被淹沒phe[i][j]=20;}}memset(vis,0,sizeof(vis));memset(map,-1,sizeof(map));}Result();printf("Resultissavedinout.txt\n");return0;}

『陸』 移動、聯通和電信哪家信號好

聯通、電信和移動的信號三者都實力相當，移動稍微遜色一點。其實運營商的技術與信號不一定成正比。因為信號的好壞，最直接的因素，就是基站的建設。一個基站可以輻射多少范圍，決定了信號的好壞，與技術的關系不大。

某個運營商的基站建設不完全，覆蓋面積不夠廣泛，信號就不好。相反，在有基站的地方，信號就很強。所以，你可以看看附近有哪家基站，用它的，肯定信號最好。

通信網路的建設不只是建幾個基站就完了，通信網路主要分為接入網和核心網。接入網就是基站的建設，基站的覆蓋面決定了信號的覆蓋面。

信號是通過電磁波的方式向四周輻射的，不同頻率下電磁波的傳輸距離不同，一個基站的覆蓋面是有限的，想要覆蓋的廣就要多建很多基站。

(6)演算法題網路信號最好的坐標擴展閱讀

三大運營商之間存在競爭關系，所以建設的基站位置也是不同的，在沒有鐵塔公司以前，移動因為資金雄厚，所以建設的基站多且位置好，所以信號覆蓋最好。

現在有鐵塔公司了，統一建設基站，三大運營商各自租賃使用，所以減少了惡性競爭，但畢竟移動的資金更雄厚，所以租賃的基站也多，天線安裝的位置也比較好。

信號是由基站發射的，而信號強度主要與基站建設數據和基站建設位置以及基站的發射功率設置有關。信號覆蓋范圍是否廣泛，如果不考慮頻率損耗問題，就主要與基站建設數據有關系了。

基站使用的頻率越低覆蓋越廣，2G基站使用的頻率比4G基站使用的頻率低，所以2G覆蓋范圍就比4G基站覆蓋范圍廣。

『柒』 wifi多少dbm算是最好的信號

dbm值越大信號越好，信號最好的理論值是0dbm。一般信號在-60dbm左右都算是比較正常的，如果低於-90dbm差不多就會斷開網路了。所以，想wifi能正常使用，盡量不要低於-80dbm。

『捌』 【求最優演算法】輸入一個GPS坐標（坐標經常變換），如何按距離由近到遠排序一組GPS坐標（這組坐標數量低則

好像沒什麼別的辦法，，要排序必須先逐個算出距離O(N)，而且排序的復雜度最低也是O(NlogN)
總時間復雜度O(NlogN)

『玖』 路由器哪個牌子最好信號最穩定

給大家推薦一款家用高性能的無線路由器——騰達 AC7 千兆無線路由器，它網速快，信號強，最重要的是它穩定不掉線，能夠完全發揮 WiFi 性能！

文章圖片2
很多老舊晶元的路由器，速率最高也就 300M，而且很多隻支持 2.4G 網路，網速比較慢。而我們下載高清視頻、玩游戲往往需要穩定且高速的網路環境。

這款騰達 AC7 路由器採用了新一代 28nm 高性能晶元，並升級為主流的 1200M 高速率，在 2.4G+5G 信號同時發射後，家中追求網速快的可以連接 5G 信號，即使在沒有信號的房間角落可以連接 2.4G 信號。

文章圖片3
以往路由器網速慢還可以接受，可一旦多設備連接通訊，它們只能一對一排隊響應，以致於以前總說連接的設備多了很卡。

這款搭載了最新的第二代 MU-MIMO 技術無線路由器，即使你爸媽在用 iPad 看劇，弟弟在玩電腦游戲，你用手機吃雞的時候也不卡，多人在線網速依然快，還流暢支持更多電腦、手機、iPad、電視盒子等設備同時使用。

文章圖片4
得益於 5 根增益更高、覆蓋范圍更廣的 6dBi 全向天線，這款路由器相比普通 5dBi 天線的路由器覆蓋效率提升很多，甚至能在房子外面接收到的 WiFi 信號。

為了增強穿牆性能，AC7 採用無線信號增強放大技術，2.4GHz 和 5GHz 雙頻WiFi外置獨立信號模塊，再通過嵌入的信號增強模塊，即使在房間角落也能流暢看電影。

文章圖片5
對於電腦小白來說，第一次用路由器最煩就是繁瑣的設置步驟。

而它不僅支持免設置易安裝，還搭載了賬號密碼遷移功能，只需將舊路由器的 WAN 口連接它的 LAN 口，通電即可自動復制寬頻賬號密碼，自動撥號上網，免去安裝設置的煩惱。

文章圖片6
如果沒有電腦也不用擔心，它還支持手機設置，插上網線用手機 APP 即可自動識別上網方式，跟著系統界面引導，只需 2 步即可完成 WiFi 設置。

同時，它還支持手機APP遠程管理，即使不在家、家中老人不會使用路由器，也能方便設置，並能設置 WiFi 加速、WiFi 定時、信號強度調節等功能。