qpso算法

① 想找到量子粒子群算法java版本程序代码！！！哪位大神有给我发份呗！！！

很少见到java的QPSO代码，一般都是matlab和C++的，楼主或者可以自己用matlab代码修改成java的

② 方伟的个人简介

以群体智能算法中的粒子群优化(particle swarm optimization, PSO)算法和所在课题组提出的量子行为粒子群优化(quantum-behaved PSO, QPSO)算法为研究对象，从这两种算法的理论和实际应用出发，对它们的理论基础及性能改进方法做了深入的研究，并将它们应用在工程优化问题中以验证算法的优化能力。
围绕这些研究内容，已在国内外权威刊物上发表论文22篇，其中SCI(E)检索的论文11篇，EI检索的论文7篇。作为第二着作者，于2011年8月出版了专着《量子行为粒子群优化：原理及其应用》；作为主要撰写人，参与完成了英文学术专着“Particle Swarm Optimization: Classical and Quantum Perspectives”的撰写工作。目前已授权发明专利2项，软件着作权1项。
于2011年作为负责人得到了国家自然科学基金项目的资助，另外还主持了教育部自主科研项目1项、江苏省自然科学基金项目1项、江南大学青年科学基金项目1项和江南大学科学基金项目1项，目前还参与国家自然科学基金面上项目1项。现为IEEE Computer Science Society、IEEE Computational Intelligence Society会员。

③ 丁世飞的丁世飞.学术兼职

担任下列专家委员会委员：
（1）中国计算机学会杰出会员、资深会员
（2）中国计算机学会人工智能与模式识别专委会委员
（3）中国计算机学会多值逻辑与模糊逻辑专委会常委委员
（4）中国人工智能学会知识工程与分布式智能专业委员会委员
（5）中国人工智能学会机器学学习专业委员会委员
（6）中国人工智能学会粗糙集与软计算专业委员会常委委员
（7）江苏省计算机学会人工智能专业委员会常委委员
（8）江苏省计算机学会大数据专家委员会委员
担任下列国际期刊编委：
（1）《IJCI: International Journal of Collaborative Intelligence》主编
（2）《JDCTA: Journal of Digital Contents Technology and Application》副主编
（3）《JCIT: Journal of Convergence Information Technology》编委
（4）《AISS: Advances in Information Sciences and Service Sciences》编委
（5）《IJACT: International Journal of Advancements in Computing Technology》编委
（6）《JCP: Journal of Computers》编委
（7）《JSW: Journal of Software》编委
（8）《IPL:CInformation Processing Letters》编委
（9）《AMIS: Applied Mathematics & Information Sciences》编委
担任下列国际期刊特约编辑：
（1）《Applied Mathematics & Information Sciences》特约编辑(Guest Editor)
（2）《INFORMATION》的特约编辑(Guest Editor)
（3）《Neurocpmputing》特约编辑(Guest Editor)
（4）《The Scientific World Journal》的特约编辑(Guest Editor)
（5）《Mathematical Problems in Engineering》的特约编辑(Guest Editor)
（6）《Journal of Computers (JCP)》特约编辑(Guest Editor)
（7）《Journal of Software (JSW)》特约编辑(Guest Editor)
（8）《Journal of Networks (JNW)》的特约编辑(Guest Editor)
担任下列国际SCI源刊特约审稿专家：
（1）《Journal of Information Science》
（2）《Applied Soft Computing》
（3）《Information Sciences》
（4）《Computational Statistics and Data Analysis》
（5）《IEEE Transactions on Fuzzy Systems》
（6）《International Journal of Pattern Recognition and Artificial Intelligence》
（7）《Neurocpmputing》
（8）《Soft Computing》
（9）《Pattern Recognition》
（10）《Pattern Recognition Letters》
担任下列国内核心期刊审稿专家：
（1）《计算机学报》
（2）《软件学报》
（3）《计算机研究与发展》
（4）《中国科学》
（5）《电子学报》
（6）《模式识别与人工智能》
（7）《计算机科学》
（8）《小型微型计算机系统》
（9）《计算机应用研究》
（10）《计算机工程与科学》
（11）《微电子学与计算机》
担任下列国内外会议PC Chair or Member：
（1）全国智能信息处理学术会议（NCIIP）程序委员会主席
（2）江苏省人工智能学术会议程序委员会主席
（3）201220132014年信息、智能与计算国际研讨会主席
（4）粒度计算国际会议程序委员会委员
（5）智能信息处理国际会议程序委员会委员
（6）中国机器学习会议程序委员会委员
（7）中国粗糙集与软计算、中国粒计算、中国Web智能联合会议程序委员会委员等。
丁世飞.研究方向
模式识别与人工智能
机器学习与数据挖掘
粗糙集与软计算
粒度计算
感知与认知计算
丁世飞.学术成果
已完成的项目：
1. 2001-2003参加并完成国家自然科学基金项目“信息模式识别理论及其在地学中的应用”的研究（项目编号: 40074001）
2. 1999-2001主持完成省教育厅项目“信息模式识别理论及其在害虫预测预报中的应用研究”
3. 1998-2000主持完成省教育厅项目“农作物病虫害现代生物数学预报技术研究”
4. 2005-2006主持中国博士后科学基金项目“视感知学习理论及其应用研究”（No.2005037439）
5. 2004-2006主持山东省作物生物学国家重点实验室开放基金项目“山东省玉米病虫害数字模式分类的研究”（No.20040010）
6. 2006-2008参加国家自然科学基金项目“多元数据的信息模式研究与地学数据分析”（No.40574001）
7. 2006-2009参加国家863高技术项目“基于感知机理的智能信息处理技术”(No. 2006AA01Z128)
8. 2007-2010主持中国科学院智能信息处理重点实验室开放基金项目“基于认知的模式特征分析理论与算法研究”(No.IIP2006-2)
9. 2010-2012主持江苏省基础研究计划（自然科学基金）项目“面向高维复杂数据的粒度知识发现研究”(No.BK2009093)
10.2011-2012主持北京邮电大学智能通信软件与多媒体北京市重点实验室开放课题 “粒度SVM方法与应用研究”
11. 2010-2012参加国家自然科学基金项目“分布式计算环境下的并行数据挖掘算法与理论研究”(No.60975039)
12. 2011-2013主持中国科学院智能信息处理重点实验室开放基金项目“高维复杂数据的粒度支持向量机理论与算法研究”(No.IIP2010-1)
目前正在进行的项目：
1. 2013.1-2017.12主持国家重点基础研究发展计划（973计划）课题“脑机协同的认知计算模型”(No.2013CB329502)
2. 2014.1-2017.12主持国家自然科学基金项目“面向大规模复杂数据的多粒度知识发现关键理论与技术研究” (No. 61379101)
3. 2011.1-2013.12参加国家自然科学基金项目“多元空间的模式分析方法研究及其在测量中的应用”(No.41074003)
已出版着作：
1. 丁世飞,靳奉祥,赵相伟着. 现代数据分析与信息模式识别. 北京:科学出版社,2012
2. 丁世飞编着. 人工智能. 北京: 清华大学出版社, 2010
3. 史忠植着. 知识工程. 北京: 清华大学出版社, 2011 (丁世飞等参编)
4. 史忠植着. 神经网络, 北京: 高等教育出版社, 2009 (丁世飞, 许新征等参编)

已发表论文：
2014年
[1] Shifei Ding, Hongjie Jia, Liwen Zhang, Fengxiang Jin. Research of semi-supervised spectral clustering algorithm based on pairwise constraints. Neural Computing and Applications, 2014,24(1):211-219. (SCI, EI)
[2] Shifei Ding, Hongjie Jia, Jinrong Chen, Fengxiang Jin. Granular Neural Networks.Artificial Intelligence Review, 2014,41(3): 373-384. (SCI, EI)
[3] Shifei Ding, Huajuan Huang, Xinzheng Xu, Jian Wang. Polynomial Smooth Twin Support Vector Machines. Applied Mathematics & Information Sciences, 2014, 8(4) (SCI,EI)
[4] Shifei Ding, Zhong Shi. Track on Intelligent Computing and Applications. Neurocomputing, 2014, vol.130, 1-2.(SCI, EI)
[5] Shifei Ding, Xiaopeng Hua. Recursive least squares projection twin support vector machines. Neurocomputing, 2014, vol.130, 3-9. (SCI, EI)
[6]花小朋,丁世飞. 局部保持对支持向量机. 计算机研究与发展, 2014, 51(3)(EI)

2013年
[1] Xinzheng Xu, Shifei Ding, Weikuan Jia, Gang Ma, Fengxiang Jin. Research of assembling optimized classification algorithm by neural network based on Ordinary Least Squares (OLS). Neural Computing and Applications, 2013,22(1):187-193.(SCI, EI)
[2] Shifei Ding, Hui Li, Chunyang Su, Junzhao Yu, Fengxiang Jin. Evolutionary artificial neural networks: a review. Artificial Intelligence Review, 2013, 39(3):251-260. (SCI, EI)
[3] Li Hui, Ding Shifei. Research of Indivial Neural Network Generation and Ensemble Algorithm Based on Quotient Space Granularity Clustering. Applied Mathematics & Information Sciences, 2013, 7(2):701-708. (SCI, EI)
[4] Hui Li, Shifei Ding. Research and Development of Granular Neural Networks. Applied Mathematics & Information Sciences, 2013, 7(3):1251-1261.(SCI, EI)
[5] Shifei Ding, Bingjuan Qi, Hongjie Jia, Hong Zhu. Research of Semi-supervised Spectral Clustering Based on Constraints Expansion. Neural Computing and Applications, 2013, 22 (Suppl 1):405-410. (SCI, EI)
[6] Shifei Ding, Yanan Zhang, Jinrong Chen, Weikuan Jia. Research on Using Genetic Algorithms to Optimize Elman Neural Networks. Neural Computing and Applications, 2013, 23(2):293-297.(SCI, EI)
[7] Hua-juan Huang, Shi-fei Ding, Zhong- Shi. Primal least squares twin support vector regression. Journal of Zhejiang University SCIENCE C, 2013, 14(9):722-732. (SCI, EI)
[8] Shifei Ding, Youzhen Han, Junzhao Yu, Yaxiang Gu. A fast fuzzy support vector machine based on information granulation. Neural Computing and Applications, 2013, 23(suppl 1):S139-S144(SCI, EI)
[9] 黄华娟,丁世飞. 多项式光滑孪生支持向量回归机. 微电子学与计算机, 2013, 30(10):5-8.
[10] 丁世飞,黄华娟. 加权光滑CHKS孪生支持向量机. 软件学报, 2013, 24(11):2548-2557.
[11] 贾洪杰,丁世飞.基于邻域粗糙集约减的谱聚类算法.南京大学学报.自然科学版,2013, 49(5):619-627.
[12] Hong Zhu,Shifei Ding, Xinzheng Xu, Li Xu. A parallel attribute rection algorithm based on Affinity Propagation clustering. Journal of Computers, 2013, 8(4):990-997. (EI)
[13] Hong Zhu, Shifei Ding, Han Zhao, Lina Bao. Attribute granulation based on attribute discernibility and AP algorithm. Journal of Software, 8(4):834-841.(EI)
[14] Yanan Zhang, Shifei Ding, Xinzheng Xu, Han Zhao, Wanqiu Xing. An Algorithm Research for Prediction of Extreme Learning Machines Based on Rough Sets. Journal of Computers, 2013, 8(5): 1335-1342.(EI)
[15] Hui Li, Shifei Ding. A Novel Neural Network Classification Model based on Covering and Affinity Propagation Clustering Algorithm. Journal of Computational Information Systems, 2013, 9(7):2565-2573. (EI)
[16] Shifei Ding, Junzhao Yu, Huajuan Huang, Han Zhao. Twin Support Vector Machines Based on Particle Swarm Optimization. Journal of Computers, 2013, 8(9): 2296-2303. (EI)
[17] Huajuan Huang,Shifei Ding, Fulin Wu. Invasive Weed Optimization Algorithm for Optimizating the Parameters of Mixed Kernel Twin Support Vecotr Machines. Journal of Computers, 2013, 8(8): 2077-2084. (EI)
[18] Hongjie Jia, Shifei Ding, Hong Zhu, Fulin Wu, Lina Bao. A Feature Weighted Spectral Clustering Algorithm Based on Knowledge Entropy. Journal of Software, 2013, 8(5): 1101-1108. (EI)
[19] Tongfeng Sun, Shifei Ding, Zihui Ren Novel Image Recognition Based on Subspace and SIFT. Journal of Software, 2013, 8(5): 1109-1116.(EI)
[20] Shifei Ding, Fulin Wu, Ru Nie, Junzhao Yu, Huajuan Huang. Twin Support Vector Machines Based on Quantum Particle Swarm Optimization. Journal of Software, 2013, 8(7): 1743-1750. (EI)
[21] Ding Shifei, Zhang Yanan, Xu Xinzheng, Bao Lina. A novel extreme learning machine based on hybrid kernel function. Journal of Computers,2013, 8(8):2110-2117.(EI)
[22] Shifei Ding, Huajuan Huang, Ru Nie. Forecasting Method of Stock Price Based on Polynomial Smooth Twin Support Vector Regression. Lecture Notes in Computer Science, 2013, Volume 7995, 2013, pp 96-105. (EI)
2012年
[1]Shifei Ding, Hong Zhu,Weikuan Jia,Chunyang Su. A survey on feature extraction for pattern recognition.Artificial Intelligence Review,2012, 37(3):169-180. (SCI, EI)
[2] Shifei Ding,Li Xu,Chunyang Su,Fengxiang Jin. An optimizing method of RBF neural network based on genetic algorithm. Neural Computing and Applications, 2012, 21(2):333-336. (SCI, EI)
[3] Shifei Ding,Bingjuan Qi. Research Of granular support vector machine. Artificial Intelligence Review, 2012, 38(1):1-7. (SCI, EI)
[4] Xin-zheng XU, Shi-fei DING, Zhong- SHI, Hong ZHU. Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm. Journal of Zhejiang University-SCIENCE C (Computers & Electronics), 2012,13(2):131-138. (SCI, EI)
[5] Bingjuan Qi,Shifei Ding, Huajuan Huang, Junzhao Yu. A Support Vector Extraction Method based on Clustering Membership.International Journal of Digital Content Technology and its Applications, 2012, 6(13):1-10. (EI)
[6] Chang Tong, Shi-fei Ding, Hong Zhu, Hongjie Jia. A Granularity Attribute Rection Algorithm Based on Binary Discernibility Matrix. International Journal of Advancements in Computing Technology, 2012, 4(12):213-221. (EI)
[7] Xiaopeng Hua, Shifei Ding. Matrix Pattern Based Projection Twin Support Vector Machines. International Journal of Digital Content Technology and its Applications, 2012, 6(20):172-181. (EI)
[8] Junzhao Yu, Shifei Ding, Huajuan Huang. Twin Support Vector Machines Based on Rough Sets. International Journal of Digital Content Technology and its Applications, 2012, 6(20):493-500. (EI)
[9] Huajuan Huang, Shifei Ding. A Novel Granular Support Vector Machine Based on Mixed Kernel Function. International Journal of Digital Content Technology and its Applications, 2012, 6(20):484-492. (EI)
[10] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Computers, Journal of Computers, 2012, 7(10):2351-2353.(EI)
[11] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Networks. Journal of Networks, 2012, 7(7):1007-1008.(EI)
(被EI收录, 收录号:20123415368412)
[12] Shifei Ding(Guest editorial). Special Issue: Advances in Information and Networks. Journal of Software, 7(9):1923-1924. (EI)
[13] Shifei Ding, Zhentao Yu (Guest editorial). Special Issue: Advances in Computers and Electronics Engineering. Journal of Computers, 2012, 7(12):2851-2852. (EI)
[14]丁世飞, 朱红, 许新征, 史忠植. 基于熵的模糊信息测度研究. 计算机学报, 2012.35(4):796-801(EI).
[15] 朱红,丁世飞, 许新征. 基于改进属性约简的细粒度并行AP聚类算法. 计算机研究与发展, 2012, 49(12):2638-2644 (EI)
[16] 许新征,丁世飞,史忠植,赵作鹏,朱红.一种基于QPSO的脉冲耦合神经网络参数的自适应确定方法. 模式识别与人工智能, 2012,25(6): 909-915(EI)
[17] 马刚,丁世飞, 史忠植. 基于极速学习的粗糙RBF神经网络. 微电子学与计算机, 2012, 29(8):9-14.
2011年
[1]Shifei Ding, Weikuan Jia, Chunyang Su, et al. Research of Neural Network Algorithm Based on Factor Analysis and Cluster Analysis. Neural Computing and Applications, 2011, 20(2): 297-302 (SCI,EI).
[2]Shifei Ding, Chunyang Su, Junzhao Yu. An Optimizing BP Neural Network Algorithm Based on Genetic Algorithm. Artificial Intelligence Review, 2011, 36Algorithm. Artificial Intelligence Review, 2011, 36(2): 153-162 (SCI, EI).
[3]Shifei Ding, Weikuan Jia, Chunyang Su, et al. Research of Neural Network Algorithm Based on Factor Analysis and Cluster Analysis. Neural Computing and Applications, 2011, 20(2): 297-302 (SCI, EI).
[4]Shifei Ding, Chunyang Su, Junzhao Yu. An Optimizing BP Neural Network Algorithm Based on Genetic Algorithm. Artificial Intelligence Review, 2011, 36(2): 153-162 (SCI, EI).
[5]Ding Shifei, Qian Jun, Xu Li, Zhao Xiangwei, Jin Fengxiang. A Clustering Algorithm Based on Information Visualization. International Journal of Digital Content Technology and its Applications, 2011, 5(1): 26-31 (EI).
[6]Shifei Ding, Yu Zhang, Li Xu, Jun Qian. A Feature Selection Algorithm Based on Tolerant Granule. Journal of Convergence Information Technology, 2011, 6(1): 191-195 (EI).
[7]Ding Shifei, Li Jianying, Xu Li, Qian Jun. Research Progress of Granular Computing (GrC). International Journal of Digital Content Technology and its Applications, 2011, 5(1): 162-172 (EI).
[8]Ding Shifei, Qian Jun, Xu Li, Zhao Xiangwei, Jin Fengxiang. A Clustering Algorithm Based on Information Visualization.International Journal of Digital Content Technology and its Applications, 2011, 5(1): 26-31 (EI).
[9]Shifei Ding, Yu Zhang, Li Xu, Jun Qian. A Feature Selection Algorithm Based on Tolerant Granule. Journal of Convergence Information Technology, 2011, 6(1): 191-195 (EI).
[10]Ding Shifei, Li Jianying, Xu Li, Qian Jun. Research Progress of Granular Computing (GrC). International Journal of Digital Content Technology and its Applications, 2011, 5(1): 162-172 (EI).
[11]Shifei DING, Jinrong CHEN, Xinzheng XU, Jianying LI. Rough Neural Networks: A review. Journal of Computational Information Systems, 2011, 7(7): 2338-2346(EI).
[12]Shifei Ding, Xinzheng Xu, Hong Zhu. Studies on Optimization Algorithms for Some Artificial Neural Networks Based on Genetic Algorithm (GA). Journal of Computers, 2011, 6 (5):939-946 (EI).
[13]Shifei DING, Yaxiang GU. A Fuzzy Support Vector Machine Algorithm with Dual Membership Based on Hypersphere. Journal of Computational Information Systems, 2011, 7(6): 2028-2034 (EI).
[14]丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述. 电子科技大学学报,2011, 40(1): 2-10 (EI).
[15] 贾伟宽, 丁世飞, 许新征, 苏春阳, 史忠植. 基于Shannon熵的因子特征提取算法研究. 模式识别与人工智能, 2011, 24(3): 327-331 (EI).
2010年以前
[1] Shifei Ding, Weikuian Jia, Xinzheng Xu, et al. Neural Networks Algorithm Based on Factor Analysis. Lecture Notes in Computer Science, Vol.6063/2010, pp.319-324 (EI).
[2] Shifei Ding, Weikuan Jia, Chunyang Su, et al. An improved BP Neural Netwok Algorithm Based on Factor Analysis. Journal of Convergence Information Technology, 2010, 5(4): 103-108 (EI).
[3] Shifei Ding, Li Xu, Hong Zhu, Liwen Zhang. Research and Progress of Cluster Algorithms based on Granular Computing. International Journal of Digital Content Technology and its Applications, 2010, 4(5): 96-104 (EI).
[4] Shifei Ding, Li Xu, Chunyang Su, Hong Zhu. Using Genetic Algorithms to Optimize Artificial Neural Networks, Journal of Convergence Information Technology, 2010, 5(8): 54-62 (EI).
[5] Shifei Ding, Yongping Zhang, Xiaofeng Lei et al. Research on a principal components decision algorithm based on information entropy. Journal of Information Science, 2009, 35(1):120-127 (SCI, EI).
[6]Shifei Ding, Chunyang Su, Weikuan Jia, Fengxiang Jin, Zhong Shi. Several Progress of Semi-Supervised Learning. Journal of Information & Computational Science, 2009, 6(1): 211-217 (EI).
[7] Shi-Fei Ding, Shi-Xiong Xia, Feng-Xiang Jin, Zhong-Zhi Shi. Novel Fuzzy Information Proximity Measures. Journal of Information Science, 2007, 33 (6):678-685 (SCI, EI).
[8] Ding Shifei, Shi Zhong. Supervised Feature Extraction Algorithm Based on Improved Polynomial Entropy. Journal of Information Science, 32(4): 309-315,2006.8 (SCI, EI)
[9] Ding Shifei, Shi Zhong. Studies on Incidence Pattern Recognition Based on Information Entropy. Journal of Information Science, 31(6):497-502,2005.12 (SCI, EI).
[10] Ding Shifei, Jin Fengxiang. Information characteristics of discrete K-L transform based on information entropy. Transactions Nonferrous Metals Society of China, 2003.6(SCI ,EI).
[11] Shifei Ding, Zhong Shi, Xiaoying Wang. Symmetric Cross Entropy and Information Feature Compression Algorithm. Journal of Computational Information Systems, 1(2): 247-252 , 2005.6 (EI).
[12] Ding Shifei, Shi Zhong. Studies on Information Clustering Algorithm Based on MID. Chinese Journal of Electronics, Vol.15 No.4A, pp.918-920, 2006 (SCI, EI).
[13] Ding Shifei, Shi Zhong. Divergence-based Supervised Information Feature Compression Algorithm.Lecture Notes in Computer Science, Vol. 3971/2006, pp. 1421-1426(SCI, EI).
[14] Shifei Ding, Zhong Shi. A Novel Supervised Information Feature Compression Algorithm. Lecture Notes in Computer Science, Vol. 3991/2006, pp. 777-780 (SCI, EI).
[15] Shifei Ding, Zhong Shi, Yuncheng Wang,and Fengxiang Jin. Optimization Feature Compression and FNN Realization. Lecture Notes in Control and Information Science, Vol. 344/2006, pp. 951-956(SCI, EI).
[16] Shifei Ding, Zhong Shi, and Fengxiang Jin. Supervised Feature Extraction Algorithm Based on Continuous Divergence Criterion. Lecture Notes in Artificial Inteligence, Vol. 4114/2006, pp.268-277 (SCI, EI).
[17] 丁世飞, 贾伟宽, 许新征, 苏春阳. 基于PLS的Elman神经网络算法研究. 电子学报, 2010, 38(2A): 71-75 (EI).
[18] 许新征, 丁世飞, 史忠植, 贾伟宽. 图像分割的新理论何新方法. 电子学报, 2010, 38(2A): 76-82(EI).
[19] 丁世飞,靳奉祥. Fuzzy-Grey信息集成模式识别算法的研究. 计算机辅助设计与图形学学报, 2004, 16(3):275-278 (EI).
[20] 丁世飞,靳奉祥,史忠植. 基于PLS的信息特征压缩算法. 计算机辅助设计与图形学学报, 2005, 17(2):368-371 (EI).
[21] 丁世飞,史忠植. 基于广义距离的直接聚类算法研究.计算机研究与发展，2007, 44(4): 674-679(EI).
[22] 丁世飞,黄华娟. 加权光滑CHKS孪生支持向量机. 软件学报, 2013, 24(11):2548-2557(EI).
丁世飞,获奖情况
1. 2007年获全国优秀博士学位论文提名奖
2. 2006年获山东省优秀博士学位论文奖
3. 2007年获山东高等学校优秀科研成果二等奖，第1位
4. 2006年获中国科学院计算技术研究所优秀博士后出站报告
4. 2004年获山东高等学校优秀科研成果二等奖，第1位
5. 2001年获山东省省级教学成果三等奖，第4位

④ 什么是股指点数

股票点数，即股票价格指数，是运用统计学中的指数方法编制而成的,反映股市中总体价格或某类股价变动和走势的指标。
股票点数即股票价格指数。是由证券交易所或金融服务机构编制的表明股票行市变动的一种供参考的指示数字。由于股票价格起伏无常，投资者必然面临市场价格风险。对于具体某一种股票的价格变化，投资者容易了解，而对于多种股票的价格变化，要逐一了解，既不容易，也不胜其烦。为了适应这种情况和需要，一些金融服务机构就利用自己的业务知识和熟悉市场的优势，编制出股票价格指数，公开发布，作为市场价格变动的指标。投资者据此就可以检验自己投资的效果，并用以预测股票市场的动向。同时，新闻界、公司老板乃至政界领导人等也以此为参考指标，来观察、预测社会政治、经济发展形势。
这种股票指数，也就是表明股票行市变动情况的价格平均数。编制股票指数，通常以某年某月为基础，以这个基期的股票价格作为100， 用以后各时期的股票价格和基期价格比较，计算出升降的百分比，就是该时期的股票指数。投资者根据指数的升降，可以判断出股票价格的变动趋势。并且为了能实时的向投资者反映股市的动向，所有的股市几乎都是在股价变化的同时即时公布股票价格指数。
根据股价指数反映的价格走势所涵盖的范围,一般将股票价格指数划分为成份指数、综合指数和分类指数。成份指数既可以反映市场的整体走势,也可以作为衡量投资业绩的标尺,作为一个市场的基准投资组合而反映市场的基本回报,具有可投资性,一般可以作为指数基金的标的。上证综合指数是上海证券交易所编制的，以上海证券交易所挂牌的全部股票为计算范围，以发行量为权数的加权综合股价指数。该指数以1990年12月19日为基准日， 基日指数定为100点，自1991年7月15日开始发布。该指数反映上海证券交易所上市的全部A股和全部B股的股价走势。其计算方法与深综合指数大体相同，不同之处在于对新股的处理。