一、电子围栏定位算法：
还是决定不做定位算法了，原因有下：
1.文献[1]中利用线性算法解决了TDOA问题（四个观测点以上），文献[2]中将AOA算法的形式也纳入进来。多个直线的交点就是待测点的位置。如果考虑单点是否在围栏内部，之前做的假设是，定位单点的算法复杂度高，但这两篇文献中说明的是：理论上是线性的，很简单。根据四个及以上观测量可将问题变成线性问题求解的后续扩展思路是，1结合新的应用场景和实际数据，得到算法应用的结果测试，像文献[3]就在车联网中应用了这个定位算法，但是实测数据我现在很难拿到。2将单点改成多点，物联网中最明显的特点就是海量接入，如果能同时判定多点是否在围栏内部，那么这个算法和物联网之间就有了更强的联系。这一部分我没有去查文献，可以试试，但是下一个不做的理由更有说服力。（推导围栏内部的各维度时差的范围和相互之间的约束，再通过查表的方式应是特别简单的方式，但是容错性应该存在问题。）
2.定位算法在整个大论文中与之前两个模块之间联系并不强烈，而且，前两个算法，尤其是任务卸载算法研究也不是很深入。所以，现在与其花时间增加新的部分，不如把任务卸载问题研究得更深一点。通过《移动云计算架构、算法与应用》一书了解到，任务卸载算法在移动云计算中扮演了重要角色，研究应该以此问题为主。另外，书中提供的服务器虚拟机数量控制、面向卸载的云路径选择，也是可以扩展的点。加入到大论文中比定位算法要合适。
基于以上两点，把定位算法先放到一边吧。
[1] Chan Y T, Ho K C. A simple and efficient estimator for hyperbolic location[J]. IEEE Transactions on signal processing, 1994, 42(8): 1905-1915.
[2] Cong L, Zhuang W. Hybrid TDOA/AOA mobile user location for wideband CDMA cellular systems[J]. IEEE Transactions on Wireless Communications, 2002, 1(3): 439-447.
[3] Zhang K, Yang D, Miao F, et al. VEHICLE LOCALIZATION AND TRACKING USING ACOUS-TIC SENSORS BASED ON TIME DIFFERENCE OF ARRIVAL METHOD[J].
二、算法导论小结
2号开始学的算法导论，之前看很多人的经验是“一定要动手把算法实现”以及“一定要动手做课后题”。但是我想这个建议并不适合我，因为我现在特别想学习的是分析算法和设计算法的方法，来加深自己的研究深度。不过如果想针对算法工程师找工作的话，还是应该动手做一遍。OK～对有疑问的算法我会动手做一遍。
目前为止，最有用的一个思想是divide-conquer。代入法、递归树和主方法三种方法来分析算法运行时间。另外大型电路布局的例子还说明，可以通过设计运行时间表达式来反推算法设计过程。
看书+看网易的MIT公开课。公开课真的特别棒，但是好像并没有涵盖书中的全部。
之前设计算法，感觉自己用的真的都是“野路子”，之前完全被“算法导论=找工作必备”这类的经验给误导了。能学习算法导论觉得自己就像在挖宝，特别棒，正在为算法工程师做铺垫～先把自己的研究点垫起来，学习算法分析和算法设计，后面再为工作补算法实现。多学点东西，加油。
