算法研究

❶ 为什么要研究算法

01 算法的优劣是程序质量的重要标志。当我们遇到难题时，总是要求计算机在较短时间内解决难题，这样我们就得深入研究算法，挑选出好的算法，以编出高效、实用的软件，使计算机更快、更出色地完成任务。

通俗地说，算法就是解决问题的具体办法。在《三国演义》中，周瑜与诸葛亮为了打破曹操强大的80万大军的进攻，先设法除去曹军中谙熟水战的水军将领蔡瑁、张允，于是就有了“群英会蒋干中计”；曹军中没有了真正懂得水战规律的将领，加上北方军人不适应舰船上生活，于是庞统的连环计获得成功；由于是隆冬季节在大江之上作战，所以就要有黄盖使苦肉计和草船借箭，然后，东吴水军才能在东南风起时火烧赤壁，取得破曹的决定性胜利。这也是周瑜、诸葛亮的破曹算法。以上环节中如果有一个环节失误，后果不堪设想。

在日常生活中，要解决一个问题，也总要先找出解决这个问题的步骤或办法。问题简单，解决问题的步骤就少些；问题复杂，解决问题的步骤就多。

许多着名的问题能得到解决，都是因为有人提出了巧妙的算法。举一个简单的例子：9枚外表相同的硬币中混进了一枚假币，知道它与真币重量不同，如果给你一架天平，至少需要称几次才能找到那枚假币？这个算法你可能很快就会设计出来。但如果999枚硬币中混进一枚假币，你又怎样用天平将它称出来呢？再举一个例子：有几个公路互通的城市，售货员从一个城市出发，要乘车走遍所有几个城市，最后回到出发点，该怎样找出售货员可以走的最短线路？用计算机与人下棋，如果是下五子棋，走棋的算法较简单，可能很多人都能设计出来，若是走围棋呢？恐怕就很难设计算法了！

在计算机领域，算法是指计算机用来解决某一问题的精确的方法。它是计算机程序的重要组成部分，算法的优劣是程序质量的重要标志。当我们遇到难题时，总是要求计算机在较短时间内解决难题，这样我们就得深入研究算法，挑选出好的算法，以编出高效、实用的软件，使计算机更快、更出色地完成任务。

❷ 算法研究现状

Farmer以及Deutsch和Journel虽然在1992年就提出了多点地质统计学方法,但其主要是通过在模拟退火中加入多点统计目标函数,然后对模拟图像进行反复迭代达到与输入统计参数匹配。该算法受到数据样板大小、模拟类型值多少的影响,此外迭代收敛也是一个不可避免的问题。受计算机性能以及算法的双重影响,模拟速度极其缓慢。因此对该方法的应用报道很少。1993年,Guardiano et al.提出了一种非迭代算法。它并不通过变差函数及克里金建立条件概率分布,而是直接利用数据样板扫描训练图像,并根据数据样板扫描获得的不同数据事件出现频率,代替数据事件的多点统计概率。即对于每一个未取样点,通过局部条件数据构成的数据事件,扫描训练图像推断局部数据事件联合未知点的条件概率(cpdf)。该方法属于序贯模拟的范畴,但由于每次条件概率的推断都需要重复扫描训练图像,对计算机性能要求相当高,因而该方法也一直停留在实验室阶段。

多点地质统计学得到快速发展,是源于搜索树概念的提出,即一种存储数据事件概率的数据结构。Strebelle(2000)对Guardiano et al.的算法进行了改进,提出将扫描训练图像获得的多点概率保存在“搜索树”里,随后的模拟采用序贯模拟的思路。在每模拟一个未知节点时,条件概率直接从“搜索树”里读取,大大缩短了运算机时,使得多点统计学储层建模真正意义上的推广成为可能。Strebelle将此算法命名为Snesim(Singlenormal equation simulation)。Snesim算法推出后,立刻受到建模界的关注,成为近几年储层建模热点。通过实际研究区建模,有些学者指出Snesim尚存在一些缺陷,表现在以下几个方面:

1)训练图像的平稳性问题。如何将实际储层中的大量非平稳信息表现为训练图像并能应用多点统计方法进行建模;

2)集成软数据(如地震)及评估训练图像或软数据的权重问题,尤其是它们在某种程度上不一致时;

3)储层形态合理再现问题。在现有算法中,当数据事件稀少时,往往通过去除最远条件节点方法来获得可靠的数据事件,而这种处理方法往往会导致储层构型再现失败;此外,训练图像过小将导致目标不连续,影响建模真实性;而训练图像过大则导致运行机时大,Snesim的实施存在困难;

4)多重网格搜索问题。两点统计学的多重网格搜索方法,不能改变粗网格模拟值,而条件数据重新分配具有相当大的误差,导致实际地质结构特征再现效果较差;

5)由于多点地质统计学仍然是基于像元的算法,所以只能在一定程度上重现目标的形状,对于更复杂的如尖角或者U型目标的应用则效果较差。

对于Snesim存在的问题,不同学者通过研究提出了各自的解决方案或建议。如非平稳性问题,Caers(2002)就采取类似于变差函数套合方式,通过伸缩和旋转变换,将非平稳的地质模式变化为平稳的地质模式,随后采用Snesim进行建模。再如数据样板再现,Liu(2003)就通过赋予不同节点不同权重,在数据事件稀少时,舍弃权重最小数据点以获得可靠的数据事件,而不是Snesim中去除最远条件节点的方式;Stien(2007)则允许删除条件数据点的值,而不是把它从条件数据集中移去。当所有节点被模拟后,再对那些被删掉值的点重新模拟。Suzuki(2007)提出了一种新的方法,即实时后处理方法(PRTT),其主要思想是在某一点上如果条件化失败,不是去掉一些条件数据缩小数据模板,而是返回到上一步,对前面模拟的数据进行修改,以达到数据事件合理化。在储层属性及数据事件多时,Arpat(2003)、Zhang(2003)等提出聚类的思想对相似数据事件进行归类,从而减少运行机时及不合理数据事件的出现概率。

储层建模是对地下沉积储层地质模式的再现。考虑到储层建模过程,实质上是对地下储层特征沉积模式的重建过程。如果将各种地质模式看成是一幅图像的构成单元,对储层预测也就是图像的重建过程。基于此思想,在2003年Stanford油藏预测中心举行的会议上,Arpat提出了Simpat(Simulation with pattenrs)多点地质统计学随机建模方法,即通过识别不同的地质模式,采用相似性判断方法,在建模时再现这些地质模式。Simpat模拟流程采用的也是序贯模拟的思路。由于是对地质模式处理,而地质模式是通过空间多个点构成的数据事件反映的,因此,在模拟实现时以整个数据事件赋值或者数据事件的子集取代了单个模拟网格节点的赋值。也就是说,在模拟过程中,在对某个未知值的预测过程中,除了模拟节点处赋值外,用来预测节点处值的条件数据的值也会有变化。Arpat通过这种数据事件整体赋值,实现储层地质模式再现。在数据事件选择上,Arpat摈弃了传统的概率推断、蒙特卡罗抽样的随机建模方法,而是借鉴计算机视觉及数字图像重建领域的知识,利用数据事件的相似性对数据事件进行选择。Arpat对此方法进行了较详细的论证,表明此方法能够较好再现储层结构特征。在此基础上,基于距离相似度的多点地质统计学(distance-based multiple point geostatistics)开始得到研究和发展(Suzuki et al.,2008;Scheidt et al.,2008;Honarkhah et al.,2010)。与传统基于统计抽样的模拟不同,基于距离相似度的方法直接计算数据事件的相似性,并用最相似的数据进行整体替换。

基于统计抽样以及储层模式分类的考虑,Zhang(2006)提出了Fitlersim(Filter-Based simulation)方法。他认为在训练图像中众多储层模式可以由几个滤波函数进行描述,由滤波函数获得储层模式的统计得分,在此基础上,进行储层模式的聚类,达到降低储层维数、提高运算效率的目的。此外,在聚类过程中考虑相似的储层模式出现的频率,使得储层预测具有统计学的意义。Yin(2009)则从目标骨架提取出发,约束多点统计模式选择,提出了基于储层骨架的多点地质统计学方法。

❸ 如果想成为一个算法工程师，研究生期间应该做哪些准备

研究算法是以数学功底为主，语言为辅。
数学上要彻底掌握的知识有大学高数，复变函数，线性代数，离散数学，数据结构，还有数据挖掘中所需的概率论与数理统计知识等。
平时不要太拘泥于看教材，多实践，养成良好思维，有想法的人搞技术才有前途。尽量去实现自己遇到过的任何一种算法，算法无论好坏总有其特点。
此外还要有一定的英语水平（起码过个6级），因为这方面的官方资料大多是外文的。
总之，凡事无绝对，修行在个人，能不能成主要看你自己

❹ 人工神经网络算法研究及应用的目录

第1章 绪论
1.1 神经网络在石油生产中的应用简介
1.2 神经网络的研究与发展历史
1.3 储层预测的研究与进展
1.4 神经网络模式识别概述
1.5 遗传算法研究与发展概述
1.6 模拟退火算法的研究和发展概况
1.7 支持向量机的研究与进展
1.8 本书的主要研究内容及章节安排
第2章 人工神经网络
2.1 引言
2.2 神经元模型
2.3 神经网络模型
2.4 感知器
2.5 误差回传神经网络(BP)
2.6 神经网络的优点
2.7 本章小结
第3章 改进遗传算法的径向基函数网络方法研究及应用
3.1 引言
3.2 径向基函数网络
3.3 遗传算法
3.4 自适应遗传算法(AGA)基本原理
3.5 基于改进遗传算法的径向基函数网络
3.6 改进的遗传算法径向基函数网络的应用
3.7 本章小结
第4章 小波变换及小波神经网络方法研究及应用
4.1 引言
4.2 小波分析
4.3 小波变换模极大检测地震反射界面
4.4 小波神经网络
4.5 小波神经网络的应用一
4.6 本章小结
第5章 模糊神经网络方法研究及应用
5.1 引言
5.2 模糊理论
5.3 模糊关系和模糊逻辑推理
5.4 模糊逻辑系统
5.5 模糊系统和神经网络的融合
5.6 模糊神经网络
5.7 用于火山岩储层识别预测的模糊神经网络
5.8 基于模糊神经网络的火山岩储层的识别与预测
5.9 基于模糊神经网络多传感器数据融合的海底输油管道腐蚀检测系统
5.1 0本章小结
第6章 改进的模拟退火人工神经网络方法研究及应用
6.1 引言
6.2 模拟退火算法及其特性
6.3 模拟退火算法的渐近收敛性
6.4 模拟退火算法与局部搜索算法比较
6.5 鲍威尔(P0well)算法
6.6 改进的模拟退火人工神经网络
6.7 改进的模拟退火人工神经网络应用
6.8 算法比较
6.9 本章小结
第7章 支持向量机方法研究及应用
7.1 引言
7.2 机器学习的基本问题和方法
7.3 统计学习理论的主要内容
7.4 分类支持向量机
7.5 回归支持向量机
7.6 支持向量机的应用
7.7 本章小结
第8章 结论
参考文献

❺ 怎样研究算法

算法是一个体系。为什么说研究算法的都是高学历高智商的人呢，就是因为搞算法不是一蹴而就的。
首先你不要心急，这东西真没有捷径。
我给你说说大概的步骤吧。
首先要学习数学，初等数学啦，高等数学啦，甚至说是概率，几何，代数，离散数学，数学分析，数学建模，这些都要多多少少的涉及。
这时候很多人就烦了，说搞算法，你让我学什么数学啊。
确实，你学完这些课，你还不能编自己的算法，但是这里面很多算法的思想非常重要，你没见过你就不会用，你就不会分析，所以这些课学好了都不行，还要学精。

再者就是做项目，结合项目来不断见识算法和思想。
我说说我用了几年吧，我大三开始好好学习的，两年时间完成了数学课程的学习，之后读研，三年时间主要是用本科学的数学课程来进行算法分析，编写算法。
研究生一毕业就去工作，直接找的算法工程师的工作，工作刚开始比较难，强度稍微大一点，不过好在有基础，所以大概一个月就上手了。

总之怎么研究算法，这东西不能一蹴而就，你要耐下心来学基础课程。
如果你还没考大学，你去考数学专业或者计算机专业或者金融专业。
如果你已经毕业了，可以考这几个方向的研究生。

❻ 国内做算法研究的研究生具体怎么做的

尝试跨领域研究，主动学习提出一个重要的问题，跨越一个重要的领域，将决定你未来的成败。我也在台大和清华教了十几年的课，我常常跟学生讲，选对一个领域和选对一个问题是成败的关键，而你自己本身必须是带着问题来探究无限的学问世界，因为你不再像大学时代一样泛滥无所归。所以这段时间内，必须选定一个有兴趣与关注的主题为出发点，来探究这些知识，产生有机的循环。由于你是自发性的对这个问题产生好奇和兴趣，所以你的态度和大学部的学生是截然不同的，你慢慢从被动的接受者变成是一个主动的探索者，并学会悠游在这学术的领域。我举一个例子，我们的中央研究院院长李远哲先生，得了诺贝尔奖。他曾经在中研院的周报写过几篇文章，在他的言论集里面，或许各位也可以看到，他反复提到他的故事。

❼ 算法的研究方法和技术有哪些

论文的研究方法与技术路线有哪些
1、研究背景 研究背景即提出问题，阐述研究该课题的原因。研究背景包括理论背景和现实需要。还要综述国内外关于同类课题研究的现状：①人家在研究什么、研究到什么程度？②找出你想研究而别人还没有做的问题。③他人已做过，你认为做得不够

❽ 几种搜索引擎算法研究

2.1Google和PageRank算法
搜索引擎Google最初是斯坦福大学的博士研究生Sergey Brin和Lawrence Page实现的一个原型系统[2]，现在已经发展成为WWW上最好的搜索引擎之一。Google的体系结构类似于传统的搜索引擎，它与传统的搜索引擎最大的不同处在于对网页进行了基于权威值的排序处理，使最重要的网页出现在结果的最前面。Google通过PageRank元算法计算出网页的PageRank值，从而决定网页在结果集中的出现位置，PageRank值越高的网页，在结果中出现的位置越前。
2.1.1PageRank算法
PageRank算法基于下面2个前提：
前提1：一个网页被多次引用，则它可能是很重要的；一个网页虽然没有被多次引用，但是被重要的网页引用，则它也可能是很重要的；一个网页的重要性被平均的传递到它所引用的网页。这种重要的网页称为权威（Authoritive）网页。
前提2：假定用户一开始随机的访问网页集合中的一个网页，以后跟随网页的向外链接向前浏览网页，不回退浏览，浏览下一个网页的概率就是被浏览网页的PageRank值。

❾ 如何做算法研究

一、DSP与TI

为什么提到电机控制很多人首先会联想到DSP？而谈到DSP控制总绕不过TI，首先DSP芯片是一种具有特殊结构的微处理器。该芯片的内部采用程序和数据分开的哈佛结构，具有专门的硬件乘法器，提供特殊的指令，可以用来快速地实现各种数字信号处理算法。基于DSP芯片构成的控制系统事实上是一个单片系统，因此整个控制所需的各种功能都可由DSP芯片来实现。因此，可以减小目标系统的体积，减少外部元件的个数，增加系统的可靠性。优点是稳定性好、精度高、处理速度快，目前在变频器、伺服行业有大量使用。主流的DSP厂家有美国德州仪器（Texas Instruments，TI）、ADI、motorola、杰尔等其他厂商，其中TI的TMS320系列以数字控制和运动控制为主，以价格低廉、简单易用、功能强大很是受欢迎。

二、常见的电机控制算法及研究方法

1、电机控制按工作电源种类划分：可分为直流电机和交流电机。按结构和工作原理可划分：可分为直流电动机、异步电动机、同步电动机。不同的电机所采用的驱动方式也是不相同的，这次主要介绍伺服电机，伺服主要靠脉冲来定位，伺服电机接收到1个脉冲，就会旋转1个脉冲对应的角度，从而实现位移，因此，伺服电机本身具备发出脉冲的功能，所以伺服电机每旋转一个角度，都会发出对应数量的脉冲，同时又与伺服电机接受的脉冲形成了呼应，或者叫闭环，进而很精确的控制电机的转动，从而实现精确的定位，可以达到0.001mm。伺服电机相比较普通电机优势在于控制精度、低频扭矩，过载能力，响应速度等方面，所以被广泛使用于机器人，数控机床，注塑，纺织等行业
三、PWM控制及测试结果

脉冲宽度调制是利用微处理器的数字输出来对模拟电路进行控制的一种非常有效的技术，广泛应用在从测量、通信到功率控制与变换的许多领域中，脉冲宽度调制是一种模拟控制方式，其根据相应载荷的变化来调制晶体管基极或MOS管栅极的偏置，来实现晶体管或MOS管导通时间的改变，从而实现开关稳压电源输出的改变

❿ 算法的应用研究是怎样的

群搜索自提出以来