算法题网络信号最好的坐标

‘壹’ 手机哪种卡信号最好网络最好

你好，推荐用户办理电信手机卡使用，电信手机卡信号稳定 通话清晰，网络速度快，而且电信的套餐多资费优惠，用户如需办理电信手机卡可以直接到电信营业厅办理也可以通过电信网上营业厅办理的

推荐用户办理电信畅享5G套餐使用，电信畅享5G套餐有多个档位供用户选择，具体如下：

回答仅供参考，由于电信业务以及政策不定期变动，所以具体套餐或政策请以电信网上营业厅或者电信掌上营业厅发布为准。

‘贰’ 在无线传感器网络中，如何根据接收信号的强度来判断发送者的距离有具体的计算公式么

基于RSSI的定位
RSSI测量，一般利用信号传播的经验模型与理论模型。
对于经验模型，在实际定位前，先选取若干测试点，记录在这些点各基站收到的信号强度，建立各个点上的位置和信号强度关系的离线数据库(x，y，ss1，ss2，ss3)。在实际定位时，根据测得的信号强度(ss1′，ss2′，ss3′)和数据库中记录的信号强度进行比较，信号强度均方差最小的那个点的坐标作为节点的坐标。
对于理论模型，常采用无线电传播路径损耗模型进行分析。常用的传播路径损耗模型有：自由空间传播模型、对数距离路径损耗模型、哈它模型、对数一常态分布模型等。自由空间无线电传播路径损耗模型为：

式中，d为距信源的距离，单位为km；f为频率，单位为MHz；k为路径衰减因子。其他的模型模拟现实环境，但与现实环境还是有一定的差距。比如对数一常态分布模型，其路径损耗的计算公式为：

式中，Xσ是平均值为O的高斯分布随机变数，其标准差范围为4～10；k的范围在2～5之间。取d=1，代入式(1)可得，LOSS，即PL(d0)的值。此时各未知节点接收锚节点信号时的信号强度为：

RSSI=发射功率+天线增益一路径损耗(PL(d))
2．2 基于RSSI的三角形质心定位算法的数学模型
不论哪种模型，计算出的接收信号强度总与实际情况下有误差，因为实际环境的复杂性，换算出的锚节点到未知节点的距离d总是大于实际两节点间的距离。如图1所示，锚节点A，B，C，未知节点D，根据RSSI模型计算出的节点A和D的距离为rA；节点B和D的距离为rB；节点C和D的距离为rC。分别以A，B，C为圆心；rA，rB，rC为半径画圆，可得交叠区域。这里的三角形质心定位算法的基本思想是：计算三圆交叠区域的3个特征点的坐标，以这三个点为三角形的顶点，未知点即为三角形质心，如图2所示，特征点为E，F，G，特征点E点的计算方法为：

同理，可计算出F，G，此时未知点的坐标为由仿真得，在图2中，实际点为D；三角形质心算法出的估计点为M；三边测量法算出的估计点为N。可知，三角形质心算法的准确度更高。

3 基于RSSI的三角形质心算法过程
3．1 步骤
(1)锚节点周期性向周围广播信息，信息中包括自身节点ID及坐标。普通节点收到该信息后，对同一锚节点的RSSI取均值。
(2)当普通节点收集到一定数量的锚节点信息时，不再接收新信息。普通节点根据RSSI从强到弱对锚节点排序，并建立RSSI值与节点到锚节点距离的映射。建立3个集合。
锚节点集合：

(3)选取RSSI值大的前几个锚节点进行自身定位计算。
在B_set：中优先选择RSSI值大的信标节点组合成下面的锚节点集合，这是提高定位精度的关键。

对锚节点集合，依次根据(3)式算出3个交点的坐标，最后由质心算法，得出未知节点坐标。
(4)对求出的未知节点坐标集合取平均，得未知节点坐标。
3．2 误差定义
定义定位误差为ER，假设得到的未知节点的坐标为(xm，ym)，其真实位置为(x，y)，则定位误差ER为：

4 仿 真
利用Matlab仿真工具模拟三角形质心算法，考察该算法的性能。假设在100 m×100 m的正方形区域内，36个锚节点均匀分布，未知节点70个，分别用三边测量法和三角形质心定位算法进行仿真，仿真结果如图3所示。由图3可知，三角形质心算法比三边测量法，定位精度更高，当测距误差变大时，用三角形质心算法得出的平均定位误差比用三边测量法得出的小得多。

5 结 语
在此提出了将RSSI方法和三角形质心定位算法相结合的方法，通过仿真实验，将该算法和三边测量算法相比较，证明了该算法的优越性。下一步将研究在锚节点数量不同时的平均定位误差。

‘叁’ 神经网络算法-梯度下降GradientDescent

神经网络文章索引

上一篇神经网络结构中，我们介绍了神经元的结构，激活函数以及每个神经元激活值的算法，涉及到权重、偏置值等。

上一篇结尾提到，对于28*28的黑白手写图像识别，我们需要13002个权重和偏置数值，才能让我们的神经网络最后输出正确结果。

所谓的机器学习，就是寻找这13002个数值的过程。首先这里有两点需要注意：

在负无穷到正无穷之间，如何获得一万多个数字最佳的匹配值？这比在全世界挑选1万人让TA们一起相爱还要难。

我们的做法是用计算机强大运算速度，暴力解决问题。

好了，现在，暴力不是问题，要想出奇迹的关键就在于如何找到如何 优化的规律 。

要想做优化，首先要明确目标，找到当前神经网络和期望结果之间的差距。

从下图可以看到，随机设定的神经网络最终输出的是混乱的一层（被黄色线框标出），距离最右边我们期望只点亮神经元3的情况差距很大。

我们把混乱输出层的每个神经元与期望层每个对应神经元激活值相减，然后平方，再累加在一起，这就是方差cost代价，如下图，计算得到cost是3.37。

我们用这个cost来表示当前神经网络13002个设定值和期望设定值之间的差距，当然，这个cost等于0是差距最小，也就是最接近期望设定值。——当然这只是针对数字3的1张图片来说，我们需要的是针对0~9共10个数字的数万张图片，cost都能是最小。

从下图，我们来看一下神经网络的功能。它能利用13002个设定值经过3层神经元激活值的计算，把784个像素亮度变为10个数字（我们期望这10个数字中只有一个是1，其他都是0）。

这13002个权重和偏置数字，加上激活值的算法，就是神经网络的“想法”。

我们再来看看代价函数的情况，如下图，它是利用很多很多的训练图片（已经明确了对应的数字），把13002个数字变为1个cost代价数。

写成函数形式

我们假设最简单的情况，只有1个权重和1个偏置：

x和y是任意可能的数值，我们希望知道当x和y是什么数值的时候z最小。

每一组[x,y]都对应唯一的z，我们可以假想，有无数个[x,y,z]这样的位置点，在三维空间坐标中，它们就会组成一个面（曲面或平面），如下图。

从几何意义上看，我们就是要找到凹陷最低的那个位置点的x,y的值，因为那里z也就是cost代价最低。

假设上面的xyz绘制的cost曲面是个山地，你是一个旅行者，需要行走找到最低点的位置，你会怎么办？

没错，只要一直往下走，那么就能走到所在区域的最低点。——当然，如果山后面还有更深的山谷，那么你可能找到的只是局部最低点，而并非世界最低点。

实际上，对于复杂的超多维度来说，找到世界最低点几乎是不可能任务。我们唯一能做的就是多找几个局部最低点，然后选择其中最低的那个。

同样，如果我们落脚在[x',y']，那么可以尝试对比[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，那么我们就走到这里，然后继续尝试对比四周点的高度。这就是梯度下降的算法。

如下图，我们沿着虚线一步一步下山找到最低点。

首先快速的从下图了解几个基本概念。
下图的弧线表示的是某个函数y=f(x)，比如抛物线方程y=x 2 。
曲线上任取两个点a,b，它们对应x和x+dx。（d是指德尔塔大写Δ，小写δ）
ab两点对应的y的差是dy。
现在直线ab看上去是曲线的割线（有ab两个交点）。
假设b点沿着曲线，越来越靠近a点，那么dx极限趋近于0，这时候dy也会越来越小趋近于0，但是！我们会意识到dy/dx永远不会是0，而最终它仍然是角∠cab的对边比邻边，也就是正切三角函数值。
实际上，这也正是曲线的切线的定义。
可以想象，我们取的a点越是靠右，那么这个切线越是竖直。
如果我们把这个切线看做表示某个一次方程，如y=mx+n这种形式，那么a点越靠右，直线越竖直，m值也就越大。
我们把m值叫做直线的斜率。

导数derivative ，一元函数y=f(x)（即因变量y只受到一个自变量x影响的函数）中任意取x，如果x增加极小趋近于0的Δx（或者写为dx),那么y相应的被增加Δy（或者写作dy），那么导数就是dy/dx，而又有dy=f(x+dx)-f(x)，所以：

从函数的曲线图上可以看到，某点的导数就是dx趋近于0时候∠cab的正切，导数反映了切线的陡峭程度，也就是y随着x变化的快慢程度。

微分differential ，简单说就是Δx和Δy，或者记作dx和dy。x称之为自变量，y称之为因变量，那么x趋近于最小的时候的值，就是x的微分（趋近0又不是0的那个神秘值），同样y的微分也是这个意思，总之是想得到又摸不到的神奇值。

斜率slope ，一元一次函数（直线方程）y=mx+n的系数m值。在这里就是a点的导数值f'(x)。

切线tangent ，某个点a的切线，就是经过a点的，以A点斜率为系数的方程y=f'(x)x+n所表示的直线。

自变量dependent variable和因变量 independent variable ，x自己的变化，引发y被动变化。

好了，我们来看 多变量微分Multivariable differential 。

上面都是一个y收到一个x的影响y=f(x)，多变量就是不止受到一个自变量的影响，我们以最简单的z=f(x,y)为例，z=x 2 +y 2 。

绿轴x的变化和红轴y的变化，都会对应蓝轴z的变化。
x从负无穷到正无穷无限种可能，y也是无限种可能，x和y复合到一起就在水平方向覆盖了全部地面，z值有高有低，就像现实世界中的海拔一样，把xy平面凸起或凹陷。（图中粉色没有画出全部曲面）

我们可以想象，这时候不能讨论A点的切线了，而应该考虑它的 切平面tangent plane （下图绿色平面）。

方向导数directional derivative ，就是曲面上过A点的任意曲线的切线（下图紫色线）组成的平面，就是切平面。

这么多紫色的方向中，哪一个方向最陡峭？对于这个z=x 2 +y 2 函数来说，明显是最接近竖直朝上的那个箭头和最接近竖直朝下的那个箭头。
和曲线一样道理，越陡峭意味着z对x、y的变化越敏感，或者说dx、dy的变化会引发更多的dz。
梯度gradient ，我们规定，能够引发因变量最快变化的那个切线正方向，就叫做曲面方程上这个点的梯度。注意梯度是个xyz表示的三维方向，例如[0，0，1]表示z轴竖直向上，[0.1,0.1,1]就往xy的正方向偏一点点。

对于只有xy两个变量的三维曲面来说，我们还可以只是考虑x+0.1,x-0.1,y+0.1,y-0.1这样的试探方法找到最低点，只要2*2=4次就可以了，周全一点也就8次。

但是对于我们手写数字识别中13002个自变量来说，那就要2 13002 次，这是不可行的。

借用多元微分，我们可以找到13002个自变量某一随机点对应的切平面（实际早已不是什么平面了，我们姑且这么说），也可以计算出其中变化最快的方向，就是梯度，数学家已经证明，不管多少个维度，沿着梯度往前走一步，都能获得最快变化后新的一个点，这个点是一个n维向量，对于我们的案例来说就是13003个新数字组成的数组[0.322,0.123,0.55,0.222,...0.233]共13003个数字。

唯一要说明的一点不同就是，为了找最低点，我们不是往上走，而是往相反的负方向，朝下走。

步长step size ，就是我们每次沿着 负梯度 往下走多远，在机器学习算法里面它叫做 学习率learning rate ，同样道理，步子迈小了走得太慢，找到最低点耗时间太久，步子太大了容易跳过最低点（注意，1万多维的复杂情况不是我们上面三维漏斗曲面那么简单可以描述的）。所以我们经常设置0.00001这样小的数字，好在很多机器学习程序都会适当的自动调整它（比如Tensorflow中的梯度下降优化GradientDescentOptimizer），实际上不会让它太慢。

同时，我们从上图中看到，计算出的负梯度是由很多数字组成的数组，每个数字代表一个维度（就像xy那样），所以我们只要在原来的位置点坐标（比如[x,y]）上分别把这个梯度（比如[0.1,-0.3])加上去就能得到新的点([x+0.1,y-0.3])。

内容小结

如果您发现文章错误，请不吝留言指正；
如果您觉得有用，请点喜欢；
如果您觉得很有用，感谢转发~

END

‘肆’ 移动，联通，电信，哪个信号最好，哪个最稳定啊在城市和农村网速最快

这几年因为工信部的各项明文规定相继出台，国内的三大运营商对于消费者的口碑和看法极为重视，为了能够留住更多的用户，三大运营商都在不断降低流量套餐的相应费用，他们资费相差也越来越小，对此更多消费者关注他们信号强度的高低以及稳定程度，有些人说中国移动的信号不仅稳定而且很强，也有人反映联通信号使用起来也丝毫不逊色于中国移动，当然电信也是有许多重视的用户反映其不错。究竟哪家运营商的信号才是真的不错呢？接下来笔者给大家详细普及相关知识。

总而言之，移动能够成为当前国内第一的手机运营商多少还是有有其道理存在，电信和联通相差的信号值并不会很大，基本来说二者都是处于持平状态，值得一提的是，信号强弱大家平时还可以分析是基站、基带、地区和当时手机所处在的环境，手机品牌内置带有的相关零件例如天线等也多多少少有所影响。因此平时分析大数据的时候，我们仅仅只能作为一个参考，没有绝对信号强的运营商，自然也没有绝对信号强的手机。

‘伍’ 请教，采用蚁群算法求解TSP问题的oliver30最优路径

给你产考产考//蚁群算法关于简单的TSP问题求解//#include#include#include#include#include#defineM13//蚂蚁的数量#defineN144//城市的数量#defineR1000//迭代次数#defineIN1//初始化的信息素的量#defineMAX0x7fffffff//定义最大值structcoordinate{charcity[15];//城市名intx;//城市相对横坐标inty;//城市相对纵坐标}coords[N];doublegraph[N][N];//储存城市之间的距离的邻接矩阵,自己到自己记作MAXdoublephe[N][N];//每条路径上的信息素的量doubleadd[N][N];//代表相应路径上的信息素的增量doubleyita[N][N];//启发函数,yita[i][j]=1/graph[i][j]intvis[M][N];//标记已经走过的城市intmap[M][N];//map[K][N]记录第K只蚂蚁走的路线doublesolution[M];//记录某次循环中每只蚂蚁走的路线的距离intbestway[N];//记录最近的那条路线doublebestsolution=MAX;intNcMax;//代表迭代次数,理论上迭代次数越多所求的解更接近最优解,最具有说服力doublealpha,betra,rou,Q;voidInitialize();//信息初始化voidInputcoords(FILE*fp);//将文件中的坐标信息读入voidGreateGraph();//根据坐标信息建图doubleDistance(int*p);//计算蚂蚁所走的路线的总长度voidResult();//将结果保存到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;//将走过的城市标记起来map[k][s]=j;//记录城市的顺序}s++;}memset(add,0,sizeof(add));for(k=0;k20)//设立一个上界,防止启发因子的作用被淹没phe[i][j]=20;}}memset(vis,0,sizeof(vis));memset(map,-1,sizeof(map));}Result();printf("Resultissavedinout.txt\n");return0;}

‘陆’ 移动、联通和电信哪家信号好

联通、电信和移动的信号三者都实力相当，移动稍微逊色一点。其实运营商的技术与信号不一定成正比。因为信号的好坏，最直接的因素，就是基站的建设。一个基站可以辐射多少范围，决定了信号的好坏，与技术的关系不大。

某个运营商的基站建设不完全，覆盖面积不够广泛，信号就不好。相反，在有基站的地方，信号就很强。所以，你可以看看附近有哪家基站，用它的，肯定信号最好。

通信网络的建设不只是建几个基站就完了，通信网络主要分为接入网和核心网。接入网就是基站的建设，基站的覆盖面决定了信号的覆盖面。

信号是通过电磁波的方式向四周辐射的，不同频率下电磁波的传输距离不同，一个基站的覆盖面是有限的，想要覆盖的广就要多建很多基站。

(6)算法题网络信号最好的坐标扩展阅读

三大运营商之间存在竞争关系，所以建设的基站位置也是不同的，在没有铁塔公司以前，移动因为资金雄厚，所以建设的基站多且位置好，所以信号覆盖最好。

现在有铁塔公司了，统一建设基站，三大运营商各自租赁使用，所以减少了恶性竞争，但毕竟移动的资金更雄厚，所以租赁的基站也多，天线安装的位置也比较好。

信号是由基站发射的，而信号强度主要与基站建设数据和基站建设位置以及基站的发射功率设置有关。信号覆盖范围是否广泛，如果不考虑频率损耗问题，就主要与基站建设数据有关系了。

基站使用的频率越低覆盖越广，2G基站使用的频率比4G基站使用的频率低，所以2G覆盖范围就比4G基站覆盖范围广。

‘柒’ wifi多少dbm算是最好的信号

dbm值越大信号越好，信号最好的理论值是0dbm。一般信号在-60dbm左右都算是比较正常的，如果低于-90dbm差不多就会断开网络了。所以，想wifi能正常使用，尽量不要低于-80dbm。

‘捌’ 【求最优算法】输入一个GPS坐标（坐标经常变换），如何按距离由近到远排序一组GPS坐标（这组坐标数量低则

好像没什么别的办法，，要排序必须先逐个算出距离O(N)，而且排序的复杂度最低也是O(NlogN)
总时间复杂度O(NlogN)

‘玖’ 路由器哪个牌子最好信号最稳定

给大家推荐一款家用高性能的无线路由器——腾达 AC7 千兆无线路由器，它网速快，信号强，最重要的是它稳定不掉线，能够完全发挥 WiFi 性能！

文章图片2
很多老旧芯片的路由器，速率最高也就 300M，而且很多只支持 2.4G 网络，网速比较慢。而我们下载高清视频、玩游戏往往需要稳定且高速的网络环境。

这款腾达 AC7 路由器采用了新一代 28nm 高性能芯片，并升级为主流的 1200M 高速率，在 2.4G+5G 信号同时发射后，家中追求网速快的可以连接 5G 信号，即使在没有信号的房间角落可以连接 2.4G 信号。

文章图片3
以往路由器网速慢还可以接受，可一旦多设备连接通讯，它们只能一对一排队响应，以致于以前总说连接的设备多了很卡。

这款搭载了最新的第二代 MU-MIMO 技术无线路由器，即使你爸妈在用 iPad 看剧，弟弟在玩电脑游戏，你用手机吃鸡的时候也不卡，多人在线网速依然快，还流畅支持更多电脑、手机、iPad、电视盒子等设备同时使用。

文章图片4
得益于 5 根增益更高、覆盖范围更广的 6dBi 全向天线，这款路由器相比普通 5dBi 天线的路由器覆盖效率提升很多，甚至能在房子外面接收到的 WiFi 信号。

为了增强穿墙性能，AC7 采用无线信号增强放大技术，2.4GHz 和 5GHz 双频WiFi外置独立信号模块，再通过嵌入的信号增强模块，即使在房间角落也能流畅看电影。

文章图片5
对于电脑小白来说，第一次用路由器最烦就是繁琐的设置步骤。

而它不仅支持免设置易安装，还搭载了账号密码迁移功能，只需将旧路由器的 WAN 口连接它的 LAN 口，通电即可自动复制宽带账号密码，自动拨号上网，免去安装设置的烦恼。

文章图片6
如果没有电脑也不用担心，它还支持手机设置，插上网线用手机 APP 即可自动识别上网方式，跟着系统界面引导，只需 2 步即可完成 WiFi 设置。

同时，它还支持手机APP远程管理，即使不在家、家中老人不会使用路由器，也能方便设置，并能设置 WiFi 加速、WiFi 定时、信号强度调节等功能。