如何确定点的位置 在坐标平面内确定点的位置的两种方法是什么?
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。
蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值.
蚁群算法是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型，基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。由柳洪平创建。
预期的结果：
各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果令开辟的道路比原来的其他道路更短，那么，渐渐，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。
原理：
为什么小小的蚂蚁能够找到食物？他们具有智能么？设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃。这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序。
然而，事实并没有你想得那么复杂，上面这个程序每个蚂蚁的核心程序编码不过100多行！为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！那么，这些简单规则是什么呢？下面详细说明：
1、范围：
蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。
2、环境：
蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让信息素消失。
3、觅食规则：
在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。
4、移动规则：
每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。
5、避障规则：
如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。
7、播撒信息素规则：
每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少。
根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过信息素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒信息素，当其它的蚂蚁经过它附近的时候，就会感觉到信息素的存在，进而根据信息素的指引找到了食物。
问题：
说了这么多，蚂蚁究竟是怎么找到食物的呢？
在没有蚂蚁找到食物的时候，环境没有有用的信息素，那么蚂蚁为什么会相对有效的找到食物呢？这要归功于蚂蚁的移动规则，尤其是在没有信息素时候的移动规则。首先，它要能尽量保持某种惯性，这样使得蚂蚁尽量向前方移动（开始，这个前方是随机固定的一个方向），而不是原地无谓的打转或者震动；其次，蚂蚁要有一定的随机性，虽然有了固定的方向，但它也不能像粒子一样直线运动下去，而是有一个随机的干扰。这样就使得蚂蚁运动起来具有了一定的目的性，尽量保持原来的方向，但又有新的试探，尤其当碰到障碍物的时候它会立即改变方向，这可以看成一种选择的过程，也就是环境的障碍物让蚂蚁的某个方向正确，而其他方向则不对。这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然能找到隐蔽得很好的食物。
当然，在有一只蚂蚁找到了食物的时候，其他蚂蚁会沿着信息素很快找到食物的。
蚂蚁如何找到最短路径的？这一是要归功于信息素，另外要归功于环境，具体说是计算机时钟。信息素多的地方显然经过这里的蚂蚁会多，因而会有更多的蚂蚁聚集过来。假设有两条路从窝通向食物，开始的时候，走这两条路的蚂蚁数量同样多（或者较长的路上蚂蚁多，这也无关紧要）。当蚂蚁沿着一条路到达终点以后会马上返回来，这样，短的路蚂蚁来回一次的时间就短，这也意味着重复的频率就快，因而在单位时间里走过的蚂蚁数目就多，洒下的信息素自然也会多，自然会有更多的蚂蚁被吸引过来，从而洒下更多的信息素……；而长的路正相反，因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。也许有人会问局部最短路径和全局最短路的问题，实际上蚂蚁逐渐接近全局最短路的，为什么呢？这源于蚂蚁会犯错误，也就是它会按照一定的概率不往信息素高的地方走而另辟蹊径，这可以理解为一种创新，这种创新如果能缩短路途，那么根据刚才叙述的原理，更多的蚂蚁会被吸引过来。
引申
跟着蚂蚁的踪迹，你找到了什么？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点：
1、多样性
2、正反馈
多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环，正反馈机制则保证了相对优良的信息能够被保存下来。我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力。正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创造性，正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了。
引申来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合。如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的随机运动，它就会陷入混沌状态；而相反，多样性不够，正反馈机制过强，那么系统就好比一潭死水。这在蚁群中来讲就表现为，蚂蚁的行为过于僵硬，当环境变化了，蚂蚁群仍然不能适当的调整。
既然复杂性、智能行为是根据底层规则涌现的，既然底层规则具有多样性和正反馈特点，那么也许你会问这些规则是哪里来的？多样性和正反馈又是哪里来的？我本人的意见：规则来源于大自然的进化。而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合。而这样的巧妙结合又是为什么呢？为什么在你眼前呈现的世界是如此栩栩如生呢？答案在于环境造就了这一切，之所以你看到栩栩如生的世界，是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了，被环境淘汰了！
参数说明：
最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。
错误概率表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。
速度半径表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。
记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。
二，可以建立图的数据结构，然后用广度，或者深度优先搜索也许能改进算法
你没说清楚，我猜这个方法可行
宽度优先搜索 BFS
宽度优先搜索算法（又称广度优先搜索）是最简便的图的搜索算法之一，这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。
已知图G=(V,E)和一个源顶点s，宽度优先搜索以一种系统的方式探寻G的边，从而“发现”s所能到达的所有顶点，并计算s到所有这些顶点的距离(最少边数)，该算法同时能生成一棵根为s且包括所有可达顶点的宽度优先树。对从s可达的任意顶点v，宽度优先树中从s到v的路径对应于图G中从s到v的最短路径，即包含最小边数的路径。该算法对有向图和无向图同样适用。
之所以称之为宽度优先算法，是因为算法自始至终一直通过已找到和末找到顶点之间的边界向外扩展，就是说，算法首先搜索和s距离为k的所有顶点，然后再去搜索和S距离为k+l的其他顶点。
为了保持搜索的轨迹，宽度优先搜索为每个顶点着色：白色、灰色或黑色。算法开始前所有顶点都是白色，随着搜索的进行，各顶点会逐渐变成灰色，然后成为黑色。在搜索中第一次碰到一顶点时，我们说该顶点被发现，此时该顶点变为非白色顶点。因此，灰色和黑色顶点都已被发现，但是，宽度优先搜索算法对它们加以区分以保证搜索以宽度优先的方式执行。若(u,v)∈E且顶点u为黑色，那么顶点v要么是灰色，要么是黑色，就是说，所有和黑色顶点邻接的顶点都已被发现。灰色顶点可以与一些白色顶点相邻接，它们代表着已找到和未找到顶点之间的边界。
在宽度优先搜索过程中建立了一棵宽度优先树，起始时只包含根节点，即源顶点s.在扫描已发现顶点u的邻接表的过程中每发现一个白色顶点v，该顶点v及边(u,v)就被添加到树中。在宽度优先树中，我们称结点u 是结点v的先辈或父母结点。因为一个结点至多只能被发现一次，因此它最多只能有--个父母结点。相对根结点来说祖先和后裔关系的定义和通常一样：如果u处于树中从根s到结点v的路径中，那么u称为v的祖先，v是u的后裔。
下面的宽度优先搜索过程BFS假定输入图G=(V,E)采用邻接表表示，对于图中的每个顶点还采用了几种附加的数据结构，对每个顶点u∈V，其色彩存储于变量color[u]中，结点u的父母存于变量π[u]中。如果u没有父母(例如u=s或u还没有被检索到)，则 π[u]=NIL，由算法算出的源点s和顶点u之间的距离存于变量d[u]中，算法中使用了一个先进先出队列Q来存放灰色节点集合。其中head[Q]表示队列Q的队头元素，Enqueue(Q,v)表示将元素v入队， Dequeue(Q)表示对头元素出队；Adj[u]表示图中和u相邻的节点集合。
procedure BFS(G,S);
begin
1. for 每个节点u∈V[G]- do
begin
2. color[u]←White;
3. d[u]←∞;
4. π[u]←NIL;
end;
5. color[s]←Gray;
6. d[s]←0;
7. π[s]←NIL;
8. Q←
9. while Q≠φ do
begin
10. u←head[Q];
11. for 每个节点v∈Adj[u] do
12. if color[v]=White then
begin
13. color[v]←Gray;
14. d[v]←d[v]+1;
15. π[v]←u;
16. Enqueue(Q,v);
end;
17. Dequeue(Q);
18. color[u]←Black;
end;
end;
图1展示了用BFS在例图上的搜索过程。黑色边是由BFS产生的树枝。每个节点u内的值为d[u]，图中所示的队列Q是第9-18行while循环中每次迭代起始时的队列。队列中每个结点下面是该结点与源结点的距离。
图1 BFS在一个无向图上的执行过程
过程BFS按如下方式执行，第1-4行置每个结点为白色，置d[u]为无穷大，每个结点的父母置为NIL，第5行置源结点S为灰色，即意味着过程开始时源结点已被发现。第6行初始化d[s]为0，第7行置源结点的父母结点为NIL，第8行初始化队列0，使其仅含源结点s，以后Q队列中仅包含灰色结点的集合。
程序的主循环在9-18行中，只要队列Q中还有灰色结点，即那些已被发现但还没有完全搜索其邻接表的结点，循环将一直进行下去。第10行确定队列头的灰色结点为u。第11-16行的循环考察u的邻接表中的每一个顶点v。如果v是白色结点，那么该结点还没有被发现过，算法通过执行第13-16行发现该结点。首先它被置为灰色，距离d[v]置为d[u]+1，而后u被记为该节点的父母，最后它被放在队列Q的队尾。当结点u的邻接表中的所有结点都被检索后，第17 -18行使u弹出队列并置成黑色。
分析
在证明宽度优先搜索的各种性质之前，我们先做一些相对简单的工作 ——分析算法在图G=(V,E)之上的运行时间。在初始化后，再没有任何结点又被置为白色。因此第12行的测试保证每个结点至多只能迸人队列一次，因而至多只能弹出队列一次。入队和出队操作需要O(1)的时间，因此队列操作所占用的全部时间为O(V)，因为只有当每个顶点将被弹出队列时才会查找其邻接表，因此每个顶点的邻接表至多被扫描一次。因为所有邻接表的长度和为Q(E)，所以扫描所有邻接表所花费时间至多为O(E)。初始化操作的开销为O(V)，因此过程BFS的全部运行时间为O(V+E)，由此可见，宽度优先搜索的运行时间是图的邻接表大小的一个线性函数。
要我说很简单 首先如果在城市中 把每个路口都看成一个点 然后建立一个邻接矩阵或者邻接表, 或者把每两个路口看做一条边,可以存成边表.
随即生成点之后 计算这个点最近的是哪个点 或者哪条边 根据上面的边的编号或者点的编号输出一下相对的资料就好了啊
当然这个比较恶心的算法 只是比较好想.
只能遍历每一条直线到这点的距离，在当中找最短的一条。
因为网络的数据结构构造，不适合于求此类问题的解，所以这会相当耗费时间的。
如果想开发GPS导航系统的话，地图数据是很复杂的，光构建简单网络结点是不行的。
好好看一看运筹学，你就知道了。搞这个你的数学要好，算法才能好。
遍历 跟走迷宫游戏差不多的方法，死胡同就回头，两条路就判断
如何确定slice head的位置~
NAL UNIT有很多种类型，只有负载图象数据的时候，才会有slice header，H264标准详述了具体的数据结构。所以只要能正确的读取到每个NAL UNIT，就可以进行数据解析了...
在坐标平面内确定点的位置的两种方法是方位角确定法、平面直角坐标系法。
1、坐标方位角：
由坐标纵轴方向的北端起，顺时针量到直线间的夹角，称为该直线的坐标方位角，常简称方位角，用a表示。
2、平面直角坐标系：平面直角坐标系（Plane Rectangular Coordinate System）是指在同一个平面上互相垂直且有公共原点的两条数轴构成平面直角坐标系。
通常，两条数轴分别置于水平位置与垂直位置，取向右与向上的方向分别为两条数轴的正方向。水平的数轴叫做X轴，垂直的数轴叫做Y轴，X轴Y轴统称为坐标轴，它们的公共原点O称为直角坐标系的原点。
扩展资料：
一、方向角原理
方位角是指卫星接收天线，在水平面做0°－360°旋转。方位角调整时抛物面在水平面做左右运动。通常我们通过计算软件或在资料中得到的结果应该是以正北方向(约地磁南极)为标准，将卫星天线的指向偏东或偏西调整一个角度，该角度即是所谓的方位角。
至于到底是偏东还是偏西，取决于接收地与欲接收卫星之间的经度关系，以我们所在的北半球为例，若接收地经度大于预接收卫星经度，则方位角应向南偏西转过某个角度；
反之，则应向东转过某个角度。正北方向用指南针来测定，但是由于地理北极和地磁南极并非完全重合，所以选好方位角之后还得做一些修正才有可能接收到最强的卫星信号。
在地平坐标系中，通过南点、北点的地平经圈称子午圈。子午圈被天顶、天底等分为两个180°的半圆。以北点为中点的半个圆弧，称为子圈，以南点为中点的半个圆弧，称为午圈。
在地平坐标系中，子午圈所起的作用相当于本初子午线在地理坐标系中的作用，是地平经度（方位）度量的起始面。
二、坐标系
在平面“二维”内画两条互相垂直，并且有公共原点的数轴，简称直角坐标系。平书局面直角坐标系有两个坐标轴，其中横轴为x轴(x-axis)，取向右方向为正方向；纵轴为y轴（y-axis)，取向上为正方向。
坐标系所在平面叫做坐标平面，两坐标轴的公共原点叫做平面直角坐标系的原点。x轴y轴将坐标平面分成了四个象限（quadrant），右上方的部分叫做第一象限，其他三个部分按逆时针方向依次叫做第二象限、第三象限和第四象限。
象限以数轴为界，横轴、纵轴上的点及原点不在任何一个象限内。一般情况下，x轴y轴取相同的单位长度，但在特殊的情况下，也可以取不同的单位长度。
参考资料：
百度百科-坐标方向角
百度百科-平面直角坐标系
点的平面位置的测量方法有哪几种?在什么条件下采用?使用全站仪测设点位...
答：一般采用侧方交会、前方交会和后方交会这几种形式； 侧方交会用得比较多,就是用仪器架在一个已知点后,后视另一个已知点,用角度加距离确定测设点； 前方
工作面配电点的位置如何确定?对配电点的设备布置有何要求
答：工作面配电点的位置确定：工作面从垫层上开始计算。该图一般不需要计算工作面，因为垫层已经比基础宽200，基础材料为砖时，工作面一般是基础两边各加200。对配电点的设备布置有何要求：1、配电检修（施工）作业，工作票签发人或工作负责人认为有必要现场勘察的，应根据工作任务组织现场勘察，并填写现场勘察...
三点一线瞄准原理
答：连接地图上的三个点和观察位置，得到的直线即为所求的定位线。这样，通过三点一线瞄准，就可以确定自己的位置或者目标物体的位置。2. 应用领域：航海和航空导航：在海上航行或者空中飞行中，观察海岸线、山脉、灯塔等地标，通过三点一线瞄准原理确定船舶或者飞机的位置，确保航行的方向和安全。地理测量：地...
若施工现场附近有控制点若干个,如果采用极坐标方法进行点位的测设,则...
答：点的平面位置的测设方法有直角坐标法、极坐标法、角度交会法和距离交会法。测设时应根据控制网的形式、地形情况、现场条件及精度要求等因素确定采用何种方法。其中，极坐标法是根据一个水平角和一段水平距离测设点的平面位置。极坐标法适用于量距方便，且待测设点距控制点较近的建筑施工场地。
固定污染源废气检测中,圆形烟道的采样点位置如何确定?
答：标准看得很细啊。两条相交的直径线就是一个“十”字，布点就布在直径线上。布多少个的点，就要看烟道的直径了。具体参考标准。在烟气采样仪上也有提示，该布多少个点。我的回答专业不。。。呵呵，我是搞环监的！
确定一个物体的位置,一般要用()个数表示
答：确定一个物体的位置,一般要用()个数表示如下：在二维平面中 确定一个物体的位置，一般要用2个数，这几个数的顺序不同，表示的位置不同。在平面内，两条可以确定1个点，即两个坐标参数确定一个点。在三维空间中 确定一个物体的位置，一般要用3个数，这几个数的顺序不同，表示的位置不同。在三维...
测量三要素对确定地面点位置有何意义?
答：测量三要素，即角度、距离、高差 坐标的组成有X/Y/Z（H）角度与距离可根据坐标正反算计算出X/Y值 根据高差可计算出Z（H）值 从而获得一个地面点的位置
读经纬网图回答问题.(1)写出一下点的经纬度.A___ B___C__
答：解题思路：用经纬网确定点的位置，首先要通过经纬度的分布规律，确定东西经、南北纬，然后再确定经过该点的经线和纬线的度数．在有经纬网的地图上判定方向，依据纬线指示东西方向，经线指示南北方向，先确定在经纬网中何为经线，何为纬线，然后再确定四个方向．观察图示，（1）赤道以北为北纬（N），赤道...
何时采用左右角观测导线?
答：当目标点无法直接测量或到达时，使用左右角观测导线可以通过两个已知点来间接确定目标点的位置。这种情况通常发生在有障碍物或无法直接测量的地方，例如河流、建筑物、植被等。2、精确测量：左右角观测导线通常用于需要更高精度测量的场合。通过采用多个角度观测，可以提高位置测量的准确性和可靠性。
怎么用时间表示方向位置
答：12点代表正北方向，1点代表北偏东30度，2点代表东偏北30度，3点代表正东方向，4点代表东偏南30度，5点代表南偏东30度，6点代表正南方向，7点代表南偏西30度，8点代表西偏南30度，9点代表正西方向，10点代表西偏北30度，11点代表北偏西30度。这个是根据钟面上，每一个大格是30度，上北下...
