©2020-2024 ioDraw All rights reserved,
Privacy Policy
----------------------------------------------------------------------------------------------------
创新一直是一个令人纠结的话题，研究生毕业设计多数需要算法的创新，而博士生毕业更需要大量的创新才行。这里，我们就团队这几年来的工作经验，谈谈如何进行合理的算法创新。
一、创新角度
通常，我们使用一个算法，这里举个简单的粒子，PSO粒子群优化算法，我们通过仿真，会得到该算法的收敛速度，仿真精度等一些参数指标。如果我们需要对该算法进行创新，一般就需要从原算法的性能指标角度考虑，比如收敛速度和精度的提高，对于一些低要求，可以在保证收敛速度不变的情况下，提高精度，或者在精度不变的情况下，加快收敛速度，如果要求较高，则同时考虑如何提高收敛速度和精度。一般情况下，针对这种情况，我们需要考虑别的类似算法，而这些算法必须具备快速收敛和高精度中的某些特性，这样我们就可以将多种算法的优势进行整合，从而实现算法的创新并提高原算法的性能。
对于低程度的创新，一般都是这么个思路。
二、创新依据
什么是创新依据？所谓创新依据，就是我们使用的创新算法，所考虑的角度是有理论依据的，我们不能凭空修改原来的算法，这样即使获得了布局的更优解，但也无法证明全局的更优。因此，正如一所说，我们需要选择某些性能比原算法更好的其他现成算法，进行算法的整合。
三、创新的验证
对于改进后的算法，我们需要使用大量的测试样本进行对比分析，验证算法的各个性能指标是否较原来的算法有所提高。
四、完全的创新
完全的创新，这个是高要求的创新，一般有两个层次，一个是跨学科的创新，一个理论的开拓。
我们通过这几年的情况看，一般，要求稍高的硕士，会涉及到跨学科的算法创新，比如，我们将物理上的一些公式应用到生物化学上的公式，并结合进行创新，或者是使用一组数学公式，去研究一些文科的问题。
理论的开拓，这个属于是最高要求的创新了，即没有现成的理论依据，需要我们去研究，总结出相关的理论，一般学生的课题不会涉及到这方面的要求，通常是一些较为复杂的工程项目或者博士课题，需要根据已知的一些条件，推算出一些新的公式，来表征一个过程或者现象。这个就非常有难度。