Wi-Fi覆盖优化：贪心算法与动态规划实践

1. 项目背景与问题拆解

"P3344 [ZJOI2015] 幻想乡 Wi-Fi 搭建计划"是一道经典的网络规划算法题目，源自省级信息学竞赛。题目设定在一个名为"幻想乡"的虚构区域，要求设计一套经济高效的Wi-Fi覆盖方案。这类题目通常考察图论建模、贪心算法和动态规划的综合运用能力。

在实际场景中，这类似于商业综合体或校园的无线网络部署问题。需要同时考虑信号覆盖范围、设备成本、传输带宽等多重约束条件。题目给出的"幻想乡"地图可以抽象为二维平面上的点集，其中包含需要覆盖的用户点和可供选择的基站安装位置。

2. 数学模型建立

2.1 基础参数定义

设用户点集合为U = {u₁, u₂,..., uₙ}，候选基站位置集合为S = {s₁, s₂,..., sₘ}。每个基站sⱼ有以下属性：

• 安装成本cⱼ
• 覆盖半径rⱼ
• 最大连接用户数kⱼ

2.2 覆盖关系建模

定义二元变量：

• xⱼ ∈ {0,1} 表示是否选择基站sⱼ
• yᵢⱼ ∈ {0,1} 表示用户uᵢ是否由基站sⱼ服务

约束条件需满足：

1. 每个用户至少被一个基站覆盖
2. 基站未被选中时不能服务任何用户
3. 每个基站的用户连接数不超过上限
4. 用户与基站距离不超过覆盖半径

2.3 目标函数

最小化总成本：min Σ cⱼxⱼ

3. 算法设计与优化

3.1 基础贪心算法

初始思路是每次选择"性价比"最高的基站：

1. 计算每个未选基站的单位成本覆盖率
2. 选择当前最优基站加入解集
3. 移除已被覆盖的用户
4. 重复直到所有用户被覆盖

这种算法时间复杂度为O(m²n)，但可能陷入局部最优。

3.2 线性规划松弛

将整数规划松弛为线性规划：

1. 允许xⱼ和yᵢⱼ取[0,1]区间值
2. 使用单纯形法求解
3. 对结果进行舍入处理

这种方法能得到近似解，但需要处理舍入误差。

3.3 动态规划优化

对于特殊地形（如线性排列的用户点），可采用DP：

1. 按坐标排序所有点
2. 定义dp[i]为覆盖前i个用户的最小成本
3. 状态转移时枚举最后一个基站的覆盖范围

时间复杂度可降至O(n²)。

4. 实现细节与代码示例

4.1 数据结构设计

cpp复制struct Point {
    double x, y;
};

struct Station {
    Point pos;
    double radius;
    int capacity;
    int cost;
};

vector<Point> users;
vector<Station> stations;

4.2 覆盖判断函数

cpp复制bool isCovered(Point user, Station s) {
    double dx = user.x - s.pos.x;
    double dy = user.y - s.pos.y;
    return dx*dx + dy*dy <= s.radius*s.radius;
}

4.3 贪心算法核心

cpp复制vector<int> selectStations() {
    vector<int> selected;
    vector<bool> covered(users.size(), false);
    int remaining = users.size();
    
    while (remaining > 0) {
        int best_station = -1;
        double best_ratio = 0;
        
        for (int j = 0; j < stations.size(); ++j) {
            if (find(selected.begin(), selected.end(), j) != selected.end())
                continue;
                
            int cover_count = 0;
            for (int i = 0; i < users.size(); ++i) {
                if (!covered[i] && isCovered(users[i], stations[j])) {
                    cover_count++;
                }
            }
            
            if (cover_count > 0) {
                double ratio = (double)cover_count / stations[j].cost;
                if (ratio > best_ratio) {
                    best_ratio = ratio;
                    best_station = j;
                }
            }
        }
        
        if (best_station == -1) break;
        
        selected.push_back(best_station);
        for (int i = 0; i < users.size(); ++i) {
            if (!covered[i] && isCovered(users[i], stations[best_station])) {
                covered[i] = true;
                remaining--;
            }
        }
    }
    
    return selected;
}

5. 性能优化技巧

5.1 空间索引加速

使用KD树或四叉树预处理用户点坐标，可将覆盖判断从O(n)降至O(log n)：

cpp复制// 使用CGAL库构建KD树
#include <CGAL/Simple_cartesian.h>
#include <CGAL/Kd_tree.h>
#include <CGAL/Search_traits_2.h>

typedef CGAL::Simple_cartesian<double> K;
typedef K::Point_2 Point;
typedef CGAL::Search_traits_2<K> Traits;
typedef CGAL::Kd_tree<Traits> Tree;

Tree buildUserTree(const vector<Point>& users) {
    return Tree(users.begin(), users.end());
}

5.2 并行计算优化

对于大规模数据，可并行化候选基站评估：

cpp复制#include <execution>

vector<double> ratios(stations.size());
std::for_each(std::execution::par, stations.begin(), stations.end(), 
    [&](const Station& s) {
        int cnt = countCoveredUsers(s);
        ratios[&s - &stations[0]] = (double)cnt / s.cost;
    });

6. 测试用例设计

6.1 基础测试案例

text复制用户点：(0,0) (1,1) (2,2)
基站1：位置(0,0) 半径1.5 成本10
基站2：位置(2,2) 半径1.5 成本10
预期结果：选择任意一个基站

6.2 边界情况

text复制用户点：(0,0) (10,10)
基站1：位置(5,5) 半径7.1 成本15
基站2：位置(0,0) 半径1 成本5
基站3：位置(10,10) 半径1 成本5
预期结果：选择基站1（更经济)

7. 常见问题与调试技巧

7.1 覆盖漏洞排查

当算法无法覆盖所有用户时：

1. 检查基站覆盖半径是否足够
2. 验证距离计算是否包含边界条件
3. 确认用户坐标系的单位一致性

7.2 性能瓶颈分析

使用profiler工具定位热点：

• 覆盖判断函数调用次数
• 内存访问模式
• 分支预测失败率

7.3 精度问题处理

浮点运算可能导致覆盖判断误差：

1. 使用相对误差比较代替绝对比较
2. 统一采用整数坐标（厘米级精度）
3. 增加安全余量（如将半径乘以0.99）

8. 算法扩展方向

8.1 多目标优化

除成本外，可考虑：

• 信号强度均衡性
• 网络冗余度
• 未来扩展性

8.2 动态场景适应

当用户位置随时间变化时：

1. 周期性重新计算覆盖方案
2. 设计增量式更新算法
3. 预留部分冗余容量

8.3 实际工程考量

真实Wi-Fi部署还需考虑：

• 障碍物衰减模型
• 频段干扰分析
• 设备安装可行性

我在实际解决这类问题时发现，合理设置基站候选点能大幅提升算法效率。通常建议先用均匀网格生成候选点，再通过局部优化调整位置。对于竞赛题目，要注意题目给定的特殊限制条件，如某些基站必须使用或禁止使用等额外约束。