我正在开发ibeacon技术,直到现在开发时没有问题,但现在我关注性能和成本因素。我的任务是根据信标范围,接近度,准确度开发信标网络。显然,我使用最少数量的信标来覆盖整个商店。我知道我已经开发了某种图形算法来制作神经网络的结构。如果有人已经实现这个或工作,请指导我在它上面或者可以给我一些启动的参考。
答案 0 :(得分:5)
这不是算法问题,而是实际问题。问自己这些问题:
我的应用程序用于检测信标的用例是什么?我是否需要针对商店中不同位置的不同信标触发不同的操作?
是否需要在后台触发(1)中的多个不同操作?
我的任何信标都是USB /墙式供电吗? (如果电池供电,有人需要定期更换电池。如果墙上电源,放置点将限制在可用电源的地方。)
墙壁,柱子,楼梯或其他障碍物是否会干扰信号传播?
如果上述问题的答案都不是(非常罕见),而目标只是覆盖整个商店,我会简单地执行以下操作:
请务必考虑通过对上述任何问题回答“是”而施加的限制,并相应地进行调整。根据我的经验,这些是信标放置的主要驱动因素。
答案 1 :(得分:1)
此外,您可以随机生成布局,例如100000次,并且每次计算becon重叠曲面并选择最低。