作演算法

A. 如何做演算法研究

一、DSP與TI

為什麼提到電機控制很多人首先會聯想到DSP？而談到DSP控制總繞不過TI，首先DSP晶元是一種具有特殊結構的微處理器。該晶元的內部採用程序和數據分開的哈佛結構，具有專門的硬體乘法器，提供特殊的指令，可以用來快速地實現各種數字信號處理演算法。基於DSP晶元構成的控制系統事實上是一個單片系統，因此整個控制所需的各種功能都可由DSP晶元來實現。因此，可以減小目標系統的體積，減少外部元件的個數，增加系統的可靠性。優點是穩定性好、精度高、處理速度快，目前在變頻器、伺服行業有大量使用。主流的DSP廠家有美國德州儀器（Texas Instruments，TI）、ADI、motorola、傑爾等其他廠商，其中TI的TMS320系列以數字控制和運動控制為主，以價格低廉、簡單易用、功能強大很是受歡迎。

二、常見的電機控制演算法及研究方法

1、電機控制按工作電源種類劃分：可分為直流電機和交流電機。按結構和工作原理可劃分：可分為直流電動機、非同步電動機、同步電動機。不同的電機所採用的驅動方式也是不相同的，這次主要介紹伺服電機，伺服主要靠脈沖來定位，伺服電機接收到1個脈沖，就會旋轉1個脈沖對應的角度，從而實現位移，因此，伺服電機本身具備發出脈沖的功能，所以伺服電機每旋轉一個角度，都會發出對應數量的脈沖，同時又與伺服電機接受的脈沖形成了呼應，或者叫閉環，進而很精確的控制電機的轉動，從而實現精確的定位，可以達到0.001mm。伺服電機相比較普通電機優勢在於控制精度、低頻扭矩，過載能力，響應速度等方面，所以被廣泛使用於機器人，數控機床，注塑，紡織等行業
三、PWM控制及測試結果

脈沖寬度調制是利用微處理器的數字輸出來對模擬電路進行控制的一種非常有效的技術，廣泛應用在從測量、通信到功率控制與變換的許多領域中，脈沖寬度調制是一種模擬控制方式，其根據相應載荷的變化來調制晶體管基極或MOS管柵極的偏置，來實現晶體管或MOS管導通時間的改變，從而實現開關穩壓電源輸出的改變

B. PLC如何編程

PLC編程程序設計理論是重要的。沒有理論准備或指導，僅靠在實踐中摸索，簡單的問題還好辦，復雜的的就不好辦了。不僅無從下手，而且花了時間與精力，也難編出效率較高、質量也較高的程序，常常是事倍功半。 但是，PLC編程的具體實踐，以及在實踐中得來的知識或技能，即經驗，也是重要的。沒有經驗，僅有理論，既無法深刻理解理論，又無法靈活應用理論。這正如學數學，如僅了解定理或記住公式，沒有作相應的練習，肯定是學不好的。更不用說，理論也都只是經驗的總結，歸根到底也都有是來自實踐。 經驗有別人的，也有自己的，都很重要。前者要靠細心學習，後者要靠用心積累，都要在的時間與必要的精力。別人的經驗有上了書的或登載在雜志上的。有的是細心學習別人的，但多數是我自己的經驗。的例子都經我測試過，都經實踐證明是可行的。我想，別的書本或雜志上介紹的也會是這樣的。學習這樣楊功的經驗是必要的。還有你同事的經驗，也是值得學習。這種經驗離你很「近」，很易借鑒。 自己的經驗則是最重要的。要在自己的實踐中，積累自己的經驗。最好在學別人的經驗時，也能親自作些測試，能使自己也有類似的經歷，進而把這些經驗變成自己的。這也是自己經驗的重要積累。還有失敗的經驗，這往往是不會公開的，但這些經驗也要學習，也要積累。經驗的積累要用自己的腦記，更要用電腦記。最好作些分類，建立一個自用的程序庫，以便於隨時引用。 經驗還有待升華。升華有三個層次： 廈門PLC培訓就找廈門鋮毅自動化技能培訓！ 最低的層次建立一個典型的程序庫，供今後再用。若程序，還可建功能塊，或子程序，以便以後引用。其次，要總結出有效演算法。如單按鈕起停程序庫等。 最高層次的升華是把經驗上升到理論的高度，為豐富PLC程序設計理論作貢獻。我想，隨著PLC使用的普及與提高，是會有越來越多從經驗中升華出來的，而又能用以指導實踐的PLC編程理論的。 經驗積累、經驗升華都是應用。 經驗應用有三： 用作工程設計模板。設計新系統時，選用一個或幾個與現設計工程類似的，已取得成功的工程，作樣板進行設計。這既可減輕設計的工作量，又設計的成功率。這也是信息可重用的一大好處。 用作程序設計參考。在無成功的工程可作樣板時，在新設計的邏輯中，仍有相當一部分控制邏輯，可採用或借用已有典型邏輯，這也可減少設計的工作量，設計的成功率。 用作演算法設計參考。在既無樣板可參照，又無典型可採用時，還可運用過去的成功的演算法。 經驗是寶貴的，但是經驗特別是個人經驗，總是有限的。經驗的應用也還要與編程理論相結合。如果前人的經驗還不能幫到你的話，那就到廈門鋮毅PLC培訓來進行實踐加理論的學習吧 廈門技能培訓找廈門鋮毅技能培訓，廈門PLC培訓 廈門PLC自動化培訓 廈門三菱PLC培訓 廈門西門子PLC培訓 廈門歐姆龍PLC培訓 廈門模擬量模塊培訓 廈門組態軟體培訓 廈門觸摸屏培訓

C. 計算機搞演算法的去公司里都作什麼

做演算法的一般邏輯和空間能力較好，低點的做軟體開發，好的做架構搭建，也就是架構師，如果涉及資料庫，一般是數據檢索優化，演算法優化，保障網站程序能夠快速響應客戶需求，較快捷從資料庫取出數據。

D. 作為一名演算法工程師,你覺得最重要的能力是什麼

本文列舉了演算法工程師需要掌握的能力，聽我一一道來，至於哪個更重要，文末我會給出一些個人建議。

軟體工程能力
雖然說演算法工程師日常工作是實驗多，代碼少，軟體工程能力要求不及大型軟體的工程師。但做演算法工程師可不是每天在jupyter notebook做完實驗就完事的，你的代碼最終需要融入到產品里，所以代碼必須規范。演算法工程師本質上，還是工程師。所以軟體工程能力是必不可少的。不要求說達到特別高的工程造詣，但基本的代碼規范，合理的模塊設計，以及對模塊進行單元測試的能力，我認為是必不可少的。
商業邏輯洞察力
有的項目是to C，有的是to B。不同的項目有著不同的商業邏輯。例如檢測信貸風險，你不可能直接堆砌幾個模型就能得到好的結果。但作為演算法工程師，商業邏輯上肯定是不可能比客戶理解透徹的。你需要多點和客戶溝通。例如我做信貸風險檢測，我需要知道他們的數據是如何產生，產生的頻率是啥，從而我可以判斷某些欄位做aggregation時是應該用avg，sum，還是max比較合理。除此之外，理解一些商業邏輯有助於構建非常有效的特徵。我們知道一個人月收入越高還債能力越強，但也知道負債越多違約風險也越大，而一個高收入的人貸款的額度也會大，這就產生了矛盾。而通過了解商業邏輯，學到一個指標叫debt burden ratio後，你就可以構建一個特徵，用客戶的收入除以客戶的負債，就可以計算出一個更有效檢測風險的特徵。雖然我們知道深度學習網路有自動構建特徵的能力，畢竟GIGO(garbage in garbage out)，數據未處理前，對模型來說就是garbage。不要覺得這種要靠人思考來構建特徵的方法很原始，畢竟人工智慧，先有人工後有智能。
除了和客戶溝通外，團隊內部頭腦風暴下，也是一種激發想法的好方法。
文獻檢索能力
這個能力其實對任何智力輸出的職業來說都很重要。我們都需要保持大腦時刻更新。在演算法上，關注最新文獻，關注SotA(state of the art)的演算法，關注工業實踐的新動態。
同時在相關商業上，了解你的演算法所服務的行業，了解他們的運作。如果你是做手機圖片AI的，可以查找手機處理器的發展的資料，目前主流的手機能有多少計算能力;如果你是做金融服務，則關注金融市場相關產品的新聞，了解最新居民收入消費水平，不然你的演算法預測不準時，你沒有相關商業知識，就難以找出哪個特徵過時了。
總結匯報能力
這個能力其實對任何職業來說都很重要。即使你是清潔工，你也要匯報工作。對內，要會把自己的成果反饋給領導;直接上級一般也是工程師，可以用工程化的語言來匯報成果，比如模型的recall是多少，AUC是多少等。也可能對非技術的同事匯報，比如銷售，就要更多的把匯報關注在商業價值，例如「上線一個月為客戶減少了20%的運營成本，營收增加40%」。如果你是做to B業務，經常要對客戶匯報。你的模型開發後，在測試集上的結果是多少，預計上線後能為客戶創造多少價值等。
心理素質
演算法工程師畢竟日常很多時間都花在試驗上，試驗失敗是兵家常事。所以一定要學會開導自己，即使你的模型一周都沒提升，也要給自己信心。
同時，由於這個工作性質會接觸到不同技術背景的人，所以有時候你會覺得簡單的一個概念，對方卻問了好幾次都沒懂，你就可能不耐煩。這時請沉住氣，保持耐心溝通，不妨多換幾個角度，幫助對方理解，畢竟對方理解了，也許還能給你一些意想不到的建議。
至於哪個能力更重要?這得看你個人職業規劃。
· 如果你未來想成為億萬商業和頂尖技術直接的那個紐帶，帶領團隊開發具有市場價值的產品。你需要增強自己的邏輯邏輯洞察力;
· 如果你想成為AI系統架構師，可以增強自己的軟體工程能力。
· 如果你想成為資深研究員，可以增強自己的文獻查找能力，並嘗試在平台(大學或公司)的幫助下發表論文。
去吧，根據自己對未來暢想，增強自己某一方面的能力吧。
 

E. PLC編程對於很笨的人學學起困難嗎

弄通有關PLC程序設計理論是重要的。沒有這方面的理論准備或指導，僅靠在實踐中摸索，簡單的問題還好辦。復雜的就不好辦了。不僅無從下手，而且花了很多時間與精力，也難編出效率較高、質量也較高的程序，常常是事倍功半。 但是，編程的具體實踐，以及在這個實踐中得來的知識或技能，即經驗，也是重要的。沒有經驗，僅有理論，既無法深刻理解理論，又無法靈活應用理論。這正如學數學，如僅了解一些定理或記住一些公式，沒有作相應的練習，肯定是學不好的。更不用說，任何理論也都只是經驗的總結，歸根到底也都有是來自實踐。 1、 經驗積累 經驗有別人的，也有自己的，都很重要。前者要靠細心學習，後者要靠用心積累，都要在一定的時間與必要的精力。 別人的經驗有上了書的或登載在雜志上的。有的是細心學習別人的，但多數是我自己的經驗。所有的例子都經我測試過，都經實踐證明是可行的。我想，別的書本或雜志上介紹的也會是這樣的。所以學習這樣楊功的經驗是必要的。 還有就是你同事的經驗，也是值得學習。這種經驗離你很「近」，很易借鑒。 自己的經驗則是最重要的。要在自己的實踐中，積累自己的經驗。同時，最好在學別人的經驗時，也能親自作些測試，能使自己也有類似的經歷，進而把這些經驗變成自己的。這也是自己經驗的重要積累。 還有一些失敗的經驗，這往往是不會公開的，但這些經驗也要學習，也要積累。 經驗的積累要用自己的腦記，更要用電腦記。最好作些分類，建立一個自用的程序庫，以便於隨時引用。 2、 經驗升華 經驗還有待升華。升華有三個層次： 最低的層次就是建立一個典型的程序庫，供今後再用。若程序復雜，還可建一些功能塊，或子程序，以便以後引用。 其次，要總結出有效演算法。如單按鈕起停程序庫等。 最高層次的升華是把經驗上升到理論的高度，為豐富PLC程序設計理論作貢獻。我想，隨著PLC使用的普及與提高，是會有越來越多從經驗中升華出來的，而又能用以指導實踐的PLC編程理論的。 3、 經驗應用 經驗積累、經驗升華都是為了應用。經驗應用有三方面： 1) 用作工程設計模板。設計新系統時，選用一個或幾個與現設計工程類似的，已取得成功的工程，作樣板進行設計。這既可減輕設計的工作量，又增加設計的成功率。這也是信息可重用的一大好處。 2) 用作程序設計參考。在無成功的工程可作樣板時，在新設計的邏輯中，仍有相當一部分控制邏輯，可採用或借用已有典型邏輯，這也可減少設計的工作量，增加設計的成功率。 3) 用作演算法設計參考。在既無樣板可參照，又無典型可採用時，還可運用過去的一些成功的演算法。 經驗是寶貴的，但是經驗特別是個人經驗，總是有限的。所以，經驗的應用也還要與編程理論相結合。轉載PLC編程經驗要與編程理論相結合弄通有關PLC程序設計理論是重要的。沒有這方面的理論准備或指導，僅靠在實踐中摸索，簡單的問題還好辦。復雜的就不好辦了。不僅無從下手，而且花了很多時間與精力，也難編出效率較高、質量也較高的程序，常常是事倍功半。編程的具體實踐，在這個實踐中得來的知識或技能，即經驗。沒有經驗，僅有理論，既無法深刻理解理論，又無法靈活應用理論。這正如學數學，如僅了解一些定理或記住一些公式，沒有作相應的練習，肯定是學不好的。更不用說，任何理論也都只是經驗的總結，歸根到底也都有是來自實踐。經驗積累：經驗有別人的，也有自己的。前者要靠細心學習，後者要靠用心積累，都要在一定的時間與必要的精力。別人的經驗有上了書的或在雜志上的。有的是細心學習別人的，但多數是自己的經驗。所有的例子都經我測試過，都經實踐證明是可行的。我想，別的書本或雜志上介紹的也會是這樣的。所以學習這樣的經驗是必要的。還有就是你同事的經驗，也是值得學習。這種經驗離你很「近」，很易借鑒。自己的經驗則是最重要的。要在自己的實踐中，積累自己的經驗。同時，最好在學別人的經驗時，也能親自作些測試，能使自己也有類似的經歷，進而把這些經驗變成自己的。這也是自己經驗的重要積累。還有一些失敗的經驗，這往往是不會公開的，但這些經驗也要學習，也要積累。經驗的積累要用自己的腦記，更要用電腦記。經驗升華：經驗還有待升華。最好作些分類，建立一個自用的程序庫，以便於隨時引用。升華有三個層次：最低的層次就是建立一個典型的程序庫，供今後再用。若程序復雜，還可建一些功能塊，或子程序，以便以後引用。其次，要總結出有效演算法。如單按鈕起停程序庫等。最高層次的升華是把經驗上升到理論的高度，為豐富PLC程序設計理論作貢獻。有三方面PLC編程經驗隨著PLC使用的普及與提高，會有越來越多從經驗中升華出來的，而又能用以指導實踐的PLC編程理論。經驗應用，經驗積累、經驗升華都是為了應用。經驗應用有三方面：用作工程設計模板。設計新系統時，選用一個或幾個與現設計工程類似的，已取得成功的工程，作樣板進行設計。這既可減輕設計的工作量，又增加設計的成功率。這也是信息可重用的一大好處。用作程序設計參考。在無成功的工程可作樣板時，在新設計的邏輯中，仍有相當一部分控制邏輯，可採用或借用已有典型邏輯，這也可減少設計的工作量，增加設計的成功率。用作演算法設計參考。在既無樣板可參照，又無典型可採用時，還可運用過去的一些成功的演算法。經驗是寶貴的，但是經驗特別是個人經驗，總是有限的。所以，經驗的應用也還要與編程理論相結合。

F. 演算法是什麼意思 謝謝

演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。

演算法中的指令描述的是一個計算，當其運行時能從一個初始狀態和（可能為空的）初始輸入開始，經過一系列有限而清晰定義的狀態，最終產生輸出並停止於一個終態。一個狀態到另一個狀態的轉移不一定是確定的。隨機化演算法在內的一些演算法，包含了一些隨機輸入。

(6)作演算法擴展閱讀：

演算法分類：

1、有限的，確定性演算法 這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務，但仍將在一定的時間內終止。這類演算法得出的結果常取決於輸入值。

2、有限的，非確定演算法 這類演算法在有限的時間內終止。然而，對於一個（或一些）給定的數值，演算法的結果並不是唯一的或確定的。

3、無限的演算法 是那些由於沒有定義終止定義條件，或定義的條件無法由輸入的數據滿足而不終止運行的演算法。通常，無限演算法的產生是由於未能確定的定義終止條件。

G. 如果本科是清華大學的機械工程及自動化專業 留學哈佛的話 可以轉換成什麼專業 他們都有哪些專業認可

一.自動化的方向
經常有人會問，我們自動化的出國應該申請什麼系？或者我們到底在美國屬於什麼專業？由於中國專業設置的特殊性，控制或者說自動化專業在美國並沒有正好對應的院系。一般說來，和控制理論研究、機器人相關的在EE，和過程式控制制、過程優化等相關的在ChE，和運籌學、後勤學相關的在IE，和機械控制相關的在ME，和航天航空器控制相關的在AE。當然，各個學科是交叉的，劃分不會像上述所說的這么精確，比如robotic在EE/ME都有人在做，控制理論則EE/MATH做的多。而且有些學校有些特殊的學院，比如System Engineering，也是control guys的好去處。因此，在選校過程中，花比CS或者ChE的人更多的精力，每個學校看3、4個系，是正常的也是需要的。不要把目光僅僅局限在EE。在國內CS/EE是熱門，控制系開課的時候大家對面向化工過程式控制制的課非常有意見。在IT全球降溫以後，至少在美國，ChE和ME的工作形勢優勢明顯。

先說機械自動：

Biomechatronic：直譯就是生物醫學機械電子，也就是一個大雜燴。比較exciting的方向倒也基本和電結合的很多，比如說為殘疾人設計輔助系統(輔助康復，輔助練習)。如果你學的機械design比較多，在這個方向里，你可以設計假肢等。

Robot：這個范圍就廣了，主要還是機械設計方面的，上肢范圍的(Haptic，適用於工業生產線，無人化工廠)，下肢范圍的(行走機器人，適用於救援，星球探測)

電力能源自動化：

很多人覺得電力電子比較枯燥，特別不喜歡。其實能源這種問題是不能和你作一個機器人什麼的擺在一個檯面上的，它絕對是國家級和戰略級的。長三角的限電，還有三峽工程。電能直接決定中國這個大國的工業發展和城市發展。將來能源會不會不只握在國家手裡，這個是不知道的，但是不管是握在誰手裡，對於我們這么大的一個國家，這裡面的賺頭都不會少的。

光電，檢測自動化：

這個方向，從低到高都是非常的pratical，所以也有錢賺的。誰都知道感測器就是相當於人的手腳耳眼(沒有鼻子，哪天有人能作出嗅覺感測器，有那麼一天，說不定能作出閉環feedback control的「做飯機」出來。比較低端的，就是常用的工業感測器，安設，電路設計等等。高端的，精密的那種，核電站的，多了去了。還有就是視覺方面的感測器，相當於image processing和pattern recognition的前期工作，很熱的。這個主要是復雜的對象，比如我們這里有的一些項目，例如，衛星太陽能板幾千塊小鏡面需要以最快速度找到陽光最強的方向，這幾千個小塊都能各自以一定自由度旋轉。還有就是有些控制系統是用比較特殊感測器的，比如視覺的，要從看到景物的移動中，計算速度和深度(2D-3D)，自由度怎麼建。這個就是正牌的control了，主要是作演算法，就是相當於人的腦子。作為演算法，具體問題具體分析，控制對象不同也不同。這些演算法可以用到平常如工業機床，化工高爐，也可以用到機器人，生產機械手，還可以用到航空航天，導彈衛星。我的認識就是給機械灌入了靈魂和智慧。個人感覺分為3塊：其實控制發展到現在，有模型的系統，那些控制演算法已經很多了，屬於經典控制的范疇。現在還能有進展的可能就是optimization和model-predictive還有hybrid了。個人感覺數學的東西特別多。如果投身如此，屬於經典領域，重要的是你作project的能力了。

不過個人看到這裡面的一些新動向，就是和經濟學有關。作練習的時候經常用一些經濟學的例子，做到最後發現居然是control的問題。其實抽象的看，在有模型的控制方法來看，模型就是一個式子，至於這個式子在實際系統中的意義，不是那麼重要了。

個人感覺在model-base control裡面，多是針對linear model，對於nonlinear model，方法不是特別多，還有一定的挖掘潛力。說道了nonlinear model就不能不提knowledge base control，說得具體點就是所謂的專家系統，模糊控制，神經元什麼的，這是一條新路。這些一部分是演算法：不管你模型是什麼，把專業技術工人的知識拿過來作為機械自己的知識，完成相應的控制目標。一部分是建模：曾經做過的assignment是用神經網路建模的，每個神經元都是線性的，但是卻比任何一個線性模型都要准確擬合非線性的行為。

更關鍵的，這種控制器可以實現adaptive和learning的功能，就是他能從控制的失敗中自己學習怎麼更好的控制。我現在還不知道這個是怎麼幹得，但是將來和AI結合，是很有可能的。投身如此的人，必要耐得住寂寞，主要研究魯棒，LMI(linear matrix inequality)，既枯燥有很難，理論性很強，現在又時興起probalistic的魯棒了。

二.就業前景

「自動化」一是屬於信息產業。信息產業被人們譽為「朝陽產業」，發展快、需要人才多、待遇高，是當今科技發展的趨勢所在。因此，作為信息產業中的重要一員，自動化專業同樣有著光輝的前途。二是自動化應用范圍廣。目前，幾乎所有的工業部門都可以同自動控制掛上鉤，現代化的農業、國防也都與自動化息息相關。三是本專業對於個人發展非常有利。本專業課程設置的覆蓋面廣，所學的東西與其他學科交叉甚多。這也與本專業的來歷有關，自動化專業大部分源於計算機或者電子工程系的自動控制專業。

那麼我們來看看這樣一個「萬金油」的專業需要哪些方面的知識和能力吧。自動控制理論、運籌學、信號與系統分析、計算機軟體技術應用、演算法語言及程序設計、模擬電子技術基礎、電路原理等等，甚至連流體力學也要修。可以說自動化專業需要工科各方面的知識，其課程與電子工程、計算機、電機工程甚至化學工程都有交叉，這就難怪自動化人才可以到各種各樣的領域工作了。以上的學習特點要求學生有較強的理工科背景，不能偏科。當然，各高校自動化專業側重點的不同也使得後期的專業課有較大的差異。在同樣的幾年要修比別人多的課程也就意味著比別人更累，所以希望那些對大學生活存在天真幻想，或者想在本科幾年好好休息、期待風花雪月的同學不要報考這個專業，繁重的學業壓力以及全面發展的要求對你來說將是個痛苦。但是，對那些有志於學到真本領、硬功夫的同學來說，這個專業真的是一個非常好的選擇。如此熱門的專業帶來的當然是激烈甚至殘酷的競爭，像電子、計算機這些電類專業一樣，自動化的報考難度也不小。自動化專業的優勢在就業時候體現得更為突出。首先，所有的行業都可以同自動化掛鉤，轉行非常容易，「硬」可轉電子工程，「軟」可轉計算機，也可轉通信，當然待遇也是非常不錯。

三.我看理工交叉學科

近代科學發展特別是科學上的重大發現和國計民生中的重大社會問題的解決，常常涉及不同學科的相互交充滿和相互滲透。學科交叉逐漸形成一批交叉學科，尤其是理工科，如化學與物理學的交叉形成了物理化學和化學物理學，化學與生物學的交叉形成了生物化學和化學生物學，物理學與生物學交叉形成了生物物理學等。這些交叉學科的不斷發展大大地推動了科學進步，因此學科交叉研究(interdisciplinary research)體現了科學向綜合性發展的趨勢。科學上的新理論、新發明的產生，新的工程技術的出現，經常是在學科的邊緣或交叉點上，重視交叉學科將使科學本身向著更深層次和更高水平發展，這是符合自然界存在的客觀規律的。由於現有的學科是人為劃分的，而科學問題是客觀存在的，根據人們的認識水平，過去只有天文學、地理(地質)、生物、數學、物理、化學六個一級學科；而經過20世紀科學的發展和交叉研究，又逐漸形成了新的交叉學科，如生命科學、材料科學、環境科學等。

顯然，很多交叉學科在學科劃界問題上都難免不與相關或相鄰學科發生爭論，對於許多社會性學科而言更是如此。那麼如何看待這一學科領域之間的學術爭論現象呢？是不是存在一種能夠比較客觀公正地劃分交叉學科與相關/相鄰學科各自研究領域的方法？當然，不同的交叉學科可能面臨不同研究疆域和問題空間的爭論。作為一種學術現象，相鄰學科之間為各自研究領域的爭奪是不可避免的，因此也是可以理解的。對於學術科研的進步，這種爭論無疑具有重要的作用，因為正是這種學科之間的爭論才影響了科學不斷走向深入，研究不斷細化的歷史進程。但是過於嚴格地限制本學科的研究領域又不利於學科的發展。誠如有學者認為的那樣：「一名專家決不僅僅是某一領域的專家，他同樣對自己所從事領域所隸屬的上級領域及相關領域必須有很好的把握」。對一門學科而言，同樣如此。從系統論的觀點來看，只有這樣學科才能不斷汲取外部學科環境新鮮的血液，從而保持自身旺盛的生命力。否則，一味拘泥於本學科研究領域的學科必將被歷史所拋棄。