算法渗透模型
1. 数据挖掘算法与生活中的应用案例
数据挖掘算法与生活中的应用案例
如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的着作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”等等，这些问题似乎都很专业，都不太好回答。但是，如果了解一点点数据挖掘的知识，你，或许会有柳暗花明的感觉。
本文，主要想简单介绍下数据挖掘中的算法，以及它包含的类型。然后，通过现实中触手可及的、活生生的案例，去诠释它的真实存在。 一般来说，数据挖掘的算法包含四种类型，即分类、预测、聚类、关联。前两种属于有监督学习，后两种属于无监督学习，属于描述性的模式识别和发现。
有监督学习有监督的学习，即存在目标变量，需要探索特征变量和目标变量之间的关系，在目标变量的监督下学习和优化算法。例如，信用评分模型就是典型的有监督学习，目标变量为“是否违约”。算法的目的在于研究特征变量（人口统计、资产属性等）和目标变量之间的关系。
分类算法分类算法和预测算法的最大区别在于，前者的目标变量是分类离散型（例如，是否逾期、是否肿瘤细胞、是否垃圾邮件等），后者的目标变量是连续型。一般而言，具体的分类算法包括，逻辑回归、决策树、KNN、贝叶斯判别、SVM、随机森林、神经网络等。
预测算法预测类算法，其目标变量一般是连续型变量。常见的算法，包括线性回归、回归树、神经网络、SVM等。
无监督学习无监督学习，即不存在目标变量，基于数据本身，去识别变量之间内在的模式和特征。例如关联分析，通过数据发现项目A和项目B之间的关联性。例如聚类分析，通过距离，将所有样本划分为几个稳定可区分的群体。这些都是在没有目标变量监督下的模式识别和分析。
聚类分析聚类的目的就是实现对样本的细分，使得同组内的样本特征较为相似，不同组的样本特征差异较大。常见的聚类算法包括kmeans、系谱聚类、密度聚类等。
关联分析关联分析的目的在于，找出项目（item）之间内在的联系。常常是指购物篮分析，即消费者常常会同时购买哪些产品（例如游泳裤、防晒霜），从而有助于商家的捆绑销售。
基于数据挖掘的案例和应用上文所提到的四种算法类型（分类、预测、聚类、关联），是比较传统和常见的。还有其他一些比较有趣的算法分类和应用场景，例如协同过滤、异常值分析、社会网络、文本分析等。下面，想针对不同的算法类型，具体的介绍下数据挖掘在日常生活中真实的存在。下面是能想到的、几个比较有趣的、和生活紧密关联的例子。
基于分类模型的案例这里面主要想介绍两个案例，一个是垃圾邮件的分类和判断，另外一个是在生物医药领域的应用，即肿瘤细胞的判断和分辨。
垃圾邮件的判别邮箱系统如何分辨一封Email是否属于垃圾邮件？这应该属于文本挖掘的范畴，通常会采用朴素贝叶斯的方法进行判别。它的主要原理是，根据邮件正文中的单词，是否经常出现在垃圾邮件中，进行判断。例如，如果一份邮件的正文中包含“报销”、“发票”、“促销”等词汇时，该邮件被判定为垃圾邮件的概率将会比较大。
一般来说，判断邮件是否属于垃圾邮件，应该包含以下几个步骤。
第一，把邮件正文拆解成单词组合，假设某篇邮件包含100个单词。
第二，根据贝叶斯条件概率，计算一封已经出现了这100个单词的邮件，属于垃圾邮件的概率和正常邮件的概率。如果结果表明，属于垃圾邮件的概率大于正常邮件的概率。那么该邮件就会被划为垃圾邮件。
医学上的肿瘤判断如何判断细胞是否属于肿瘤细胞呢？肿瘤细胞和普通细胞，有差别。但是，需要非常有经验的医生，通过病理切片才能判断。如果通过机器学习的方式，使得系统自动识别出肿瘤细胞。此时的效率，将会得到飞速的提升。并且，通过主观（医生）+客观（模型）的方式识别肿瘤细胞，结果交叉验证，结论可能更加靠谱。
如何操作？通过分类模型识别。简言之，包含两个步骤。首先，通过一系列指标刻画细胞特征，例如细胞的半径、质地、周长、面积、光滑度、对称性、凹凸性等等，构成细胞特征的数据。其次，在细胞特征宽表的基础上，通过搭建分类模型进行肿瘤细胞的判断。
基于预测模型的案例这里面主要想介绍两个案例。即通过化学特性判断和预测红酒的品质。另外一个是，通过搜索引擎来预测和判断股价的波动和趋势。
红酒品质的判断如何评鉴红酒？有经验的人会说，红酒最重要的是口感。而口感的好坏，受很多因素的影响，例如年份、产地、气候、酿造的工艺等等。但是，统计学家并没有时间去品尝各种各样的红酒，他们觉得通过一些化学属性特征就能够很好地判断红酒的品质了。并且，现在很多酿酒企业其实也都这么干了，通过监测红酒中化学成分的含量，从而控制红酒的品质和口感。
那么，如何判断鉴红酒的品质呢？
第一步，收集很多红酒样本，整理检测他们的化学特性，例如酸性、含糖量、氯化物含量、硫含量、酒精度、PH值、密度等等。
第二步，通过分类回归树模型进行预测和判断红酒的品质和等级。
搜索引擎的搜索量和股价波动一只南美洲热带雨林中的蝴蝶，偶尔扇动了几下翅膀，可以在两周以后，引起美国德克萨斯州的一场龙卷风。你在互联网上的搜索是否会影响公司股价的波动？
很早之前，就已经有文献证明，互联网关键词的搜索量（例如流感）会比疾控中心提前1到2周预测出某地区流感的爆发。
同样，现在也有些学者发现了这样一种现象，即公司在互联网中搜索量的变化，会显着影响公司股价的波动和趋势，即所谓的投资者注意力理论。该理论认为，公司在搜索引擎中的搜索量，代表了该股票被投资者关注的程度。因此，当一只股票的搜索频数增加时，说明投资者对该股票的关注度提升，从而使得该股票更容易被个人投资者购买，进一步地导致股票价格上升，带来正向的股票收益。这是已经得到无数论文验证了的。
基于关联分析的案例：沃尔玛的啤酒尿布啤酒尿布是一个非常非常古老陈旧的故事。故事是这样的，沃尔玛发现一个非常有趣的现象，即把尿布与啤酒这两种风马牛不相及的商品摆在一起，能够大幅增加两者的销量。原因在于，美国的妇女通常在家照顾孩子，所以，她们常常会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。沃尔玛从数据中发现了这种关联性，因此，将这两种商品并置，从而大大提高了关联销售。
啤酒尿布主要讲的是产品之间的关联性，如果大量的数据表明，消费者购买A商品的同时，也会顺带着购买B产品。那么A和B之间存在关联性。在超市中，常常会看到两个商品的捆绑销售，很有可能就是关联分析的结果。
基于聚类分析的案例：零售客户细分对客户的细分，还是比较常见的。细分的功能，在于能够有效的划分出客户群体，使得群体内部成员具有相似性，但是群体之间存在差异性。其目的在于识别不同的客户群体，然后针对不同的客户群体，精准地进行产品设计和推送，从而节约营销成本，提高营销效率。
例如，针对商业银行中的零售客户进行细分，基于零售客户的特征变量（人口特征、资产特征、负债特征、结算特征），计算客户之间的距离。然后，按照距离的远近，把相似的客户聚集为一类，从而有效的细分客户。将全体客户划分为诸如，理财偏好者、基金偏好者、活期偏好者、国债偏好者、风险均衡者、渠道偏好者等。
基于异常值分析的案例：支付中的交易欺诈侦测采用支付宝支付时，或者刷信用卡支付时，系统会实时判断这笔刷卡行为是否属于盗刷。通过判断刷卡的时间、地点、商户名称、金额、频率等要素进行判断。这里面基本的原理就是寻找异常值。如果您的刷卡被判定为异常，这笔交易可能会被终止。
异常值的判断，应该是基于一个欺诈规则库的。可能包含两类规则，即事件类规则和模型类规则。第一，事件类规则，例如刷卡的时间是否异常（凌晨刷卡）、刷卡的地点是否异常（非经常所在地刷卡）、刷卡的商户是否异常（被列入黑名单的套现商户）、刷卡金额是否异常（是否偏离正常均值的三倍标准差）、刷卡频次是否异常（高频密集刷卡）。第二，模型类规则，则是通过算法判定交易是否属于欺诈。一般通过支付数据、卖家数据、结算数据，构建模型进行分类问题的判断。
基于协同过滤的案例：电商猜你喜欢和推荐引擎电商中的猜你喜欢，应该是大家最为熟悉的。在京东商城或者亚马逊购物，总会有“猜你喜欢”、“根据您的浏览历史记录精心为您推荐”、“购买此商品的顾客同时也购买了商品”、“浏览了该商品的顾客最终购买了商品”，这些都是推荐引擎运算的结果。
这里面，确实很喜欢亚马逊的推荐，通过“购买该商品的人同时购买了**商品”，常常会发现一些质量比较高、较为受认可的书。一般来说，电商的“猜你喜欢”（即推荐引擎）都是在协同过滤算法（Collaborative Filter）的基础上，搭建一套符合自身特点的规则库。即该算法会同时考虑其他顾客的选择和行为，在此基础上搭建产品相似性矩阵和用户相似性矩阵。基于此，找出最相似的顾客或最关联的产品，从而完成产品的推荐。
基于社会网络分析的案例：电信中的种子客户种子客户和社会网络，最早出现在电信领域的研究。即，通过人们的通话记录，就可以勾勒出人们的关系网络。电信领域的网络，一般会分析客户的影响力和客户流失、产品扩散的关系。
基于通话记录，可以构建客户影响力指标体系。采用的指标，大概包括如下，一度人脉、二度人脉、三度人脉、平均通话频次、平均通话量等。基于社会影响力，分析的结果表明，高影响力客户的流失会导致关联客户的流失。其次，在产品的扩散上，选择高影响力客户作为传播的起点，很容易推动新套餐的扩散和渗透。
此外，社会网络在银行（担保网络）、保险（团伙欺诈）、互联网（社交互动）中也都有很多的应用和案例。
基于文本分析的案例这里面主要想介绍两个案例。一个是类似“扫描王”的APP，直接把纸质文档扫描成电子文档。相信很多人都用过，这里准备简单介绍下原理。另外一个是，江湖上总是传言红楼梦的前八十回和后四十回，好像并非都是出自曹雪芹之手，这里面准备从统计的角度聊聊。
字符识别：扫描王APP手机拍照时会自动识别人脸，还有一些APP，例如扫描王，可以扫描书本，然后把扫描的内容自动转化为word。这些属于图像识别和字符识别（Optical Character Recognition）。图像识别比较复杂，字符识别理解起来比较容易些。
查找了一些资料，字符识别的大概原理如下，以字符S为例。
第一，把字符图像缩小到标准像素尺寸，例如12*16。注意，图像是由像素构成，字符图像主要包括黑、白两种像素。
第二，提取字符的特征向量。如何提取字符的特征，采用二维直方图投影。就是把字符（12*16的像素图）往水平方向和垂直方向上投影。水平方向有12个维度，垂直方向有16个维度。这样分别计算水平方向上各个像素行中黑色像素的累计数量、垂直方向各个像素列上的黑色像素的累计数量。从而得到水平方向12个维度的特征向量取值，垂直方向上16个维度的特征向量取值。这样就构成了包含28个维度的字符特征向量。
第三，基于前面的字符特征向量，通过神经网络学习，从而识别字符和有效分类。
文学着作与统计：红楼梦归属这是非常着名的一个争论，悬而未决。对于红楼梦的作者，通常认为前80回合是曹雪芹所着，后四十回合为高鹗所写。其实主要问题，就是想确定，前80回合和后40回合是否在遣词造句方面存在显着差异。
这事让一群统计学家比较兴奋了。有些学者通过统计名词、动词、形容词、副词、虚词出现的频次，以及不同词性之间的相关系做判断。有些学者通过虚词（例如之、其、或、亦、了、的、不、把、别、好），判断前后文风的差异。有些学者通过场景（花卉、树木、饮食、医药与诗词）频次的差异，来做统计判断。总而言之，主要通过一些指标量化，然后比较指标之间是否存在显着差异，借此进行写作风格的判断。
以上是小编为大家分享的关于数据挖掘算法与生活中的应用案例的相关内容，更多信息可以关注环球青藤分享更多干货
2. 三维离散元土石混合体随机计算模型及单向加载试验数值模拟
李世海 汪远年
（中国科学院力学研究所工程科学部 北京 100080）
摘要 针对土石混合体提出了一种随机计算模型。 在该模型中，可以模拟土石混合比、块石尺寸、块石形状等。给出了随机模型的实现方法，同时对该随机模型的算法可靠性进行了验证。通过统计分析的方法研究了单轴受压情况下土石混合体内部应力场分布与土石配比、岩石块度大小等因素的关系。并进一步给出了土石混合体的应力-应变特性和强度特性。
关键词 随机模型 土石混合体 统计分析 离散元
岩土工程中经常遇到非连续、不均匀介质，诸如由土石混合体组成的古滑坡体，由碎石堆积的面板堆石坝等。它是介于土体与岩体之间的一种特殊地质体，目前人们对于它的研究还处于探索之中。这类介质的主要特点是：①由松散的块体堆积而成；②块体的形状大小不均匀；③块体在空间随机分布；④块体之间经常有充填物。一般来说，块石和充填土的力学特性可以通过实验分别获得，而给出松散堆积体的力学特性比较困难，主要原因是：取样困难、难以进行小尺度的模型实验、大尺度的模型实验造价较高、实验离散度大难以掌握其规律性。因此通过数值模拟的方法研究随机块体构成的“岩土”混合体的力学特性是很有意义的。
D.R.Axelrad［1］对离散介质的统计模型及随机演化与可靠性方面做过比较系统的论述，综述了分子动力学模型、栅格模型、渗透模型三种离散介质统计模型，这三种模型皆是针对材料的微观结构提出的，并从能量的角度、运用拓扑几何以及随机过程的方法给出了比较详尽的理论分析。这类模型运用到土石混合体这类更加复杂和不确定的介质还有一定的困难。油新华等［2］对土石混合体做过大型野外水平推剪试验，在土石混合体的变形特点和抗剪强度方面有一定的认识，可以对数值模拟做一些参考。
本文在对现有3D-NURBM面-面接触弹性模型［3］块体单元划分的基础上引入了随机分布特征参数：块体密度、弹模、刚度；节理刚度、粘聚力、最大内摩擦角等。用统计分析的方法对单轴受压情况下土石混合体内部应力场分布进行了研究，分析结果表明土石混合比和块石尺寸是影响土石混合体内部应力场分布的主要因素。
1 三维离散单元法力学模型及计算方法
本文讨论的三维离散元力学模型是基于NURBM（Northwestern University Rigid Block Model）［3］，结合一种新的可变形块体模型［5］，基本假设如下：①作为单一介质的岩石块体或充填土体的力学特性是已知的；②每一个块石或充填土体都是由许多具有相同力学特性的小的岩石或土体块体单元组成的；③节理的力学参数分为3类：岩石块体单元之间，土体块体单元之间以及岩石块体单元和土体块体单元之间；④在低应力状态下，土体可看作弹性体；⑤每一块体单元的变形可通过应力状态和本构关系获得。
2 随机模型的实现方法
为了实现随机模型引入了4类参数：①土石混合比；②块体尺寸；③块体形状参数；④一定形状块体在空间的方位。
计算方法如下。
2.1 土石混合比的空间分布
现有3 D-NURBM块体单元划分是基于三组节理面切割而形成的许多相互接触的平行六面体单元。给定混合比，对土石块体单元进行分布的方法如下所述。
定义每一个块体单元为0到1之间的一个值。设F（x）＝x为0到1之间的均匀分布函数。如果岩块与土的混合比是ω，分离量A可定义为ω＝A/（1 -A），从而，A＝ω/（1＋ω）。对于每一块体单元可以赋值0 到1 之间的随机变量值x，如果F（x）小于A，块体单元标识为岩石，否则为土体单元。当标识完所有的块体单元后，岩石和土体块体单元的分配工作完成，并且整个研究区域的混合比接近1∶4。
2.2 块体尺寸大小选取
现场岩石块度的大小不均匀，形状也不相同。为了使岩石的尺寸接近真正的岩石块度大小，需要建立块体尺寸模型。
将整个研究区域划分成若干个子区域，子区域的三维尺寸与基于随机意义上的岩石块度的最大、最小长度相一致。如果子区域在三维方向上的层数分别为Li，Lj，Lk，那么每一子区域的块体单元总数（MT）为
2.3 块体形状参数
在每个子区域中，相同的MR有很多种集合方式。考虑到子区域单元的总数和石块所含单元数的个数，可以得到块体的形状参数。假定岩石块体在3个不同方向上的最大层数即形状参数为N1，N2，N3（分别不大于子区域参数Li，Lj，Lk），这些参数均是随机产生的，随机生成方法如下：
土石混合体
［］表示当［］内的数为整数时取其本身，否则取整后再加1；getstoc（m，n）是用来产生m到n之间的整数的随机生成函数。
2.4 一定形状块体在空间的方位
实际情况中，岩体的形状是千变万化的。为了更确切地描述岩体，随机选取平行六面体子区域的一个角点作为起始点进行集中排列岩石单元。当按照形状参数N1，N2，N3集中排列完所有岩石单元MR后，该子区域岩石单元的随机聚集排列工作就完成了。除了岩石单元，子区域内剩下的块体单元都被标识为土体单元。当循环完所有的子区域，整个研究区域的随机集中排列就结束了。有些情况下，会出现子区域内并非充满着实际的块体单元，即在某些研究区域边界的地方会出现部分子区域不完整现象，给出子区域的实际单元总数（MA）用来判断子区域是否完整。
2.5 块体单元和接触单元物理参数赋值
在三维离散元计算中，研究对象是以块体和接触两部分特理单元形式出现的，对应不同的块体和接触，有相应的物理参数：块体几何参数、密度、质量、转动惯量、弹模、泊松比、刚度；接触刚度、内聚力、最大内摩擦角等。
对应同一种介质这些参数都是固定的，而在不同介质情况下，相应不同介质块体单元的物理参数与不同接触单元（比如土-土、土-石、石-石接触）的物理参数均不同。
3 土石混合体空间分布模拟结果
3.1 混合比随机分布结果
验证按一定混合比随机生成的岩石块体单元数，算例中研究区域为20m×20m×20m、正交节理且三组节理间距皆为1m，混合比为1∶4，研究区域块体单元总数（NT）为8000。由表1可看出不同随机过程生成的岩石块体单元数基本符合预先给定的混合比要求。
表1 混合比随机分布计算结果（NT＝8000）
3.2 块石空间形态随机分布
图1是对4m×4m×4m的一个子区域、混合比为1∶4的块体单元不同次随机分布集中后的块体单元形心空间形态示意图。图2是对40m×60m×80m的研究区域、三组正交节理（节理间距均为1m）、4m×4m×4m的子区域、混合比为1∶4的块体单元随机分布集中后在x＝20.5m断面上的岩石块体单元型心分布情况。可以看出不同次随机过程产生的空间分布随机性比较好，对于土石混合体，可较接近真实地反映现场地质条件。
图1 子区域岩石块体单元随机集中空间形态示意图
图2 某一断面上岩石块体单元的分布情况（40%岩石）
4 土石混合体单向加载数值模拟试验
为研究土石混合体的力学特性，采用了单向加载数值模拟试验（轴向均布荷载：0.7MPa，侧向自由边界）。
4.1 计算参数选取
4.2 不同随机生成情况下的块体应力统计分析
参加的统计量均为各块体型心上的物理量，分别给出了各统计物理量的平均值和标准方差，并且有
表2 块体单元物理参数
表3 接触单元物理参数
算例中研究区域为20m×20m×20m、正交节理且三组节理间距皆为1m、子区域为4m×4m×4m、混合比为1∶4。
表4给出了相同混合比不同随机过程下的块体单元最大主应力和最大剪应力的统计分析结果，其中包括均值、最大最小值以及标准差。总共进行了9次随机模拟，结果显示均值、最大最小值、标准差的差别分别在1%，10%，5%左右，统计的最大值通常是均值的10倍左右。可以认为不同随机过程低于15%的差别是可以接受的。
表4 不同随机过程下块体单元应力统计分析结果（加载0.7MPa）
更为重要的是知道有多大区域的应力值高于强度值，也就是说在离散元计算中有多少块体单元的应力值超出强度范围。图3给出了在同一块度大小、不同随机过程（a）和不同混合比（b）情况下的块体单元最大剪应力的统计分布图，其中水平轴代表块体单元的最大剪应力值，竖直轴代表处在一定应力值下的块体单元数占总块体单元数的百分比。由图中我们可以明显看出：不同随机过程下的块体单元最大剪应力的统计分布差异很小；而不同混合比情况下则差异比较明显，当100%岩石时，即为均匀介质，块体单元的最大剪应力值基本上都稳定在0.4 MPa左右。
图3 不同随机过程（a）和不同混合比（b）情况下的块体单元最大剪应力τmax的统计分布图（相同块度大小）
由计算输出结果和统计分析可以看出，不同随机过程下的结果尽管有一些波动但基本上稳定在某一特定范围内。由于不同次随机过程块体单元的局部分布略有不同导致局部应力集中的差异，所以统计量中的最大值和最小值的最大误差（Max-error）相对于其他统计量显得更大。
4.3 不同混合比情况下的块体单元应力统计分析
算例中研究区域为20m×20m×20m、正交节理且三组节理间距皆为1m、子区域为4m×4m×4m。
统计结果显示（表5）：岩石块体含量在40%左右时应力空间分布的离散性最大，而在接近完全岩石或土体时离散性最小，可以忽略。当改变岩石块度大小时，结果有可能变化，但是我们可以确定混合比对应力的分布有很大的影响。
表5 不同配比情况下的块体单元应力统计分析（加载0.7MPa）
4.4 不同块度大小情况下的内部应力场分布
下面的算例是针对不同岩石块度大小的：研究区域为30m×30m×30m、正交节理且三组节理间距皆为1m、混合比1∶4。
图4给出了当块体尺寸分别为5m和15m（即子区域大小）时最大剪应力的分布。由于土体和岩石有着不同的强度，最大剪应力并不能直观反映混合体内部某一点处的破坏状态。在此有必要引入一个无量纲量——破坏度l，类似于安全系数：
图4 不同块度大小情况下断面x＝15.5m 上最大剪应力（τmax）等值线图
土石混合体
式中：c、φ分别为内聚力和最大内摩擦角。显然相同应力状态下对于岩石和土体来说破坏度是不同的。根据三维莫尔库仑准则，对于空间一点，当l＞1时处于稳定状态（不滑动），而当l＜1时块体会在节理面上产生滑动。
取岩体的内聚力和最大内摩擦角分别为2MPa，36°；土体的内聚力和最大内摩擦角分别为0.02MPa，27°。
图5给出了在不同块度下，断面x＝15.5 m上破坏度的等值线图，可以明显地分辨出哪些区域是破坏危险区域，哪些区域是相对稳定区域。图6给出了相应于图4，图5算例的断面x＝15.5 m上岩石块体单元的型心分布图，由结果我们可以看出岩石块体单元集中的地方往往是相对高应力状态区，在岩石和土体交界面的地方容易发生破坏。由于计算中没有考虑强度准则，即使大部分区域达到了破坏状态，但是，材料仍然没有失稳。
图5 不同块度大小情况下断面x＝15.5m 上破坏度l 的等值线图
图6 不同块度大小情况下断面x＝15.5m 上岩石块体单元的形心分布图
4.5 考虑破坏强度的计算结果
在离散元计算中，块体单元之间可以相互分离和滑动。在对土石混合体进行单向加载过程中，由于空间分布的不均匀性会造成局部应力集中，从而有可能使部分块体出现滑动和分离，但整体并未表现失稳状态，只有当较多块体发生滑动、分离并形成贯通面时，才认为整体发生了破坏。
由以上的统计分析结果可知，土石混合比和岩石块度大小是影响土石混合体宏观变形参数和强度参数的两个重要因素。对土石混合体进行单向数值模拟试验，分别改变混合比和块度大小，对其结果作宏观应力-应变分析。
从图7中可以看到：
（1）应力、应变关系有“塑性”段出现，塑性是由于滑移面增多的结果。
（2）当岩石含量达到80%时，出现脆性破坏。
（3）岩石含量越高，强度越大。
图7 相同块度大小（3m×3m×3m）不同混合比情况下应力-应变曲线图
（4）土石混合体在岩石含量较低的情况下表现为近似土体的性质，而当岩石含量较高时则表现为近似岩石的性质。
岩石含量为80%时其弹性模量近似为20GPa，与岩石的弹性模量Er＝30GPa比较接近。岩石含量为20%时其弹性模量近似为3GPa，与土体的弹性模量Es＝2GPa比较接近。
图8表明：
（1）岩石块度远小于研究区域时，应力、应变呈现线弹性，即可以认为是宏观均匀材料。
（2）岩石块度增大，应力、应变曲线呈现分段线性的现象，应力较大时，区域内滑移接触面增多，宏观表现为塑性过程。
（3）随着岩石块度增大，破坏强度明显降低。主要是由于岩石块度越大，土石混合体内部的弱面就越相对比较集中，从而容易导致整体的失稳。
（4）块度较小时，土体单元的变形相对充分，导致岩石块度很小时变形模量较小，而随着块度增大变形模量变大。
图8 相同混合比（40%岩石）不同块度情况下应力-应变曲线
5 结论
（1）该随机模型的可靠性较好，数值模拟可以给出土石混合体的随机分布状态。
（2）针对同一研究条件，不同随机过程稳定性较好。
（3）对于不同的土石混合比，在单轴加载下的内部应力场分布会有不同，根据统计分析得出：在土石比为3∶2时，应力场空间分布不均匀性最明显。
（4）岩石块度大小对内部应力场分布影响很大，岩石块体单元集中的地方一般是高应力区。
（5）土石混合体的混合比和岩石块度大小是影响其变形和破坏特性的两个重要因素。
参考文献
［1］ Axelrad D R.Stochastic mechanics of discrete media.Springer-Verlag Berlin Heidelberg，1993
［2］油新华，汤劲松.土石混合体野外水平推剪试验研究.岩石力学与工程学报，2002，21（10）：1537～1540
［3］ Dowding C H，O'Connor K M.Distinct element modeling and analysis of mining inced subsidence.Rock Mech Rock Engng，1992，25：1～24
［4］王泳嘉，邢纪波.离散单元法及其在岩土力学中的应用.沈阳：东北工学院出版社，1991
［5］董大鹏.三维可变形离散元改进算法及其应用.中国科学院力学研究所，2002
［6］ Meyer T，Einstein H H.Geologic stochastic modeling and connectivity assessment of fracture systems in the Boston Area.Rock Mech Rock Engng，2002，35（1）：23～44
［7］ Cundall P A.A computer model for simulating progressive，large scale movements in blocky rock systems.Proceedings of the International Symposium Rock Fracture，ISRM，Vol.Nancy，1971
3. 如何在小学数学教学中渗透数学建模思想
在《数学课程标准》我们发现这样一句话——“让学生亲身经历将实际问题抽象成数学模型并进行解释与应用的过程，进而使学生获得对数学理解的同时，在思维能力、情感态度与价值观等多方面得到进步和发展。”,这实际上就是要求把学生学习数学知识的过程当做建立数学模型的过程,并在建模过程中培养学生的数学应用意识,引导学生自觉地用数学的方法去分析、解决生活中的问题。明确要求教师在教学中引导学生建立数学模型，不但要重视其结果，更要关注学生自主建立数学模型的过程，让学生在进行探究性学习的过程中科学地、合理地、有效地建立数学模型。
一、数学模型的概念
数学模型是对某种事物系统的特征或数量依存关系概括或近似表述的数学结构。数学中的各种概念、公式和理论都是由现实世界的原型抽象出来的,从这个意义上讲,所有的数学知识都是刻画现实世界的模型。狭义地理解,数学模型指那些反映了特定问题或特定具体事物系统的数学关系结构,是相应系统中各变量及其相互关系的数学表达。数学建模就是建立数学模型来解决问题的方法。《数学课程标准》安排了“数与代数”“空间与图形”“统计与概率”“实践与综合应用”四块学习领域,强调学生的数学活动,发展学生的数感、符号感、空间观念、以及应用意识与推理的能力。这些内容中最重要的部分,就是数学模型。在小学阶段,数学模型的表现形式为一系列的概念系统,算法系统,关系、定律、公理系统等。
二、小学数学教学渗透数学建模思想的可行性
数学模型不仅为数学表达和交流提供有效途径，也为解决现实问题提供重要工具，可以帮助学生准确、清晰地认识、理解数学的意义。在小学数学教学活动中，教师应采取有效措施，加强数学建模思想的渗透，提高学生的学习兴趣，培养学生用数学意识以及分析和解决实际问题的能力。数学在本质上就是在不断的抽象、概括、模式化的过程中发展和丰富起来的。数学学习只有深入到“模型”、“建模”的意义上，才是一种真正的数学学习。这种“深入”，就小学数学教学而言，更多地是指用数学建模的思想和精神来指导着数学教学，“从学生已有的生活经验出发，让学生亲身经历将实际问题抽象成数学模型并进行解释与运用的过程，进而使学生获得对数学的理解的同时，在思维能力、情感态度与价值观等多方面得到进入和发展。”
对数学建模这个概念来讲也许是新的，但回想我们的日常教学不难发现我们的学生已经有数学建模的思想或意识，只不过没有从理论的角度把它概括出来而已。例如，在以往教学求比一个数多几的应用题时，经常碰到这样一个例题“小明家养了6只公鸡，养的母鸡只数比公鸡多3 只，母鸡有几只？”在教学此例时老师们都是采用让学生摆、说等教学活动来帮助学生分析数量关系，理解“同样多的部分”，但教学效果并没有我们老师想象的那么好，一般同学们在解释数量关系式6+3=9时，母鸡和公鸡是不分的，极大部分学生都会说6只公鸡加3只母鸡等于9只母鸡。为什么学生不会用“同样多的部分”去描述母鸡的只数，其原因是十分明显的，那就是学生在操作时头脑中已经对现实问题进行简化，并建立了一个有关母鸡只数求法的数学模型，这个模型显然是一种叠加模型，即6+3=9（只），而6表示什么在模型中已经是无关紧要，因为实际问题最终要解决的是数量问题。从以上这个教学实例至少可以说明两点；其一，小学生在解决实际问题时有他自己的数学模型，有他自圆其说的解读数学模型的方法，因此，小学生也有数学建模能力 。其二，当学生的数学模型一旦建立了以后，即使他的模型是不合理或不规范的，但外人很难改变他的模型结构。
三、小学生如何形成自己的数学建模
一、创设情境，感知数学建模思想。
数学来源于生活，又服务于生活，因此，要将现实生活中发生的与数学学习有关的素材及时引入课堂，要将教材上的内容通过生活中熟悉的事例，以情境的方式在课堂上展示给学生，描述数学问题产生的背景。情景的创设要与社会生活实际、时代热点问题、自然、社会文化等与数学问题有关的各种因素相结合，让学生感到真实、新奇、有趣、可操作，满足学生好奇好动的心理要求。这样很容易激发学生的兴趣，并在学生的头脑中激活已有的生活经验，也容易使学生用积累的经验来感受其中隐含的数学问题，从而促使学生将生活问题抽象成数学问题，感知数学模型的存在。
如教学平均数一课，新课伊始出示两个小组一分钟做题道数：
第一组 9 8 9 6
第二组 7 10 9 8
教师提问：哪组获胜，为什么？
这时出示，第一组请假的一位同学后来加入比赛。
第一组 9 8 9 6 8
第二组 7 10 9 8
师：根据比赛成绩我们判定一组获胜。
此时有学生提出异议：虽然第一组做对的总道数比第二组多，但是两个队的人数不同，这样比较不公平。
师：那怎么办呢？
生：可以用平均数进行比较。
师：什么是平均数？
学生根据自己的生活经验进行总结。
本节课平均数这一抽象的知识隐藏在具体的问题情境中，学生在两次评判中解读、整理数据，产生思维冲突，从而推进数学思考的有序进行。学生从具体的问题情境中抽出平均数这一数学问题的过程就是一次建模的过程，
二、参与探究，主动建构数学模型
数学家华罗庚通过多年的学习、研究经历总结出：对书本中的某些原理、定律、公式，我们在学习的时候不仅应该记住它的结论、懂得它的道理，而且还应该设想一下人家是怎样想出来的，怎样一步一步提炼出来的。只有经历这样的探索过程，数学的思想、方法才能沉积、凝聚，从而使知识具有更大的智慧价值。动手实践、自主探索与合作交流是学生学习数学的重要方式。学生的数学学习活动应当是一个主动、活泼的、生动和富有个性的过程。因此，在教学时我们要善于引导学生自主探索、合作交流，对学习过程、学习材料、学习发现主动归纳、提升，力求建构出人人都能理解的数学模型。
如教学圆锥的体积一课：
1、回顾、猜想：
师：请同学们回忆我们在学习圆柱的体积推导过程中，应用了哪些数学思想方法？
生：运用了转化的方法。
师：猜一猜圆锥的体积能否转化成已经学过的图形的体积？它会与学过的哪种立体图形有关？
学生大胆进行猜想，有的猜能转化成圆柱、有的猜能转化成长、正方体。
2、动手验证
师：请同学们利用手中的学具进行操作，研究圆锥体积的计算方法。
教师给学生提供多个圆柱、长方体、正方体和圆锥空盒（其中圆柱和圆锥有等底等高关系的、有不等底不等高关系的，圆锥与其他形体没有等底或等高关系）、沙子等学具，学生分小组动手实验。
3、反馈交流
生1：我们选取了一个圆锥和一个正方体进行实验，将正方体中倒满沙子，然后倒入圆锥容器中，到了四次，还剩下一些，发现圆锥体与这个圆柱体之间没有关系。
生2：我们组选取的是圆锥和圆柱，这个圆锥与这个圆柱之间也没存在关系，然后我们换了一个圆柱，这个圆柱的体积是这个圆锥体积的三倍。
4、归纳总结。
师：那么存在3倍关系的圆柱和圆锥的底面有什么关系?它们的高又有什么关系?
生3：底面积相等，高也相等。
师：圆柱的体积和同它等底等高圆锥的体积的有什么关系?
生：圆柱的体积是圆锥体积的3倍。
生：圆锥的体积是同它等底等高的圆柱体权的1/3。
师：是不是所有的等底等高的圆柱、圆锥都存在这样的关系？请每个组都选出这样的学具进行操作验证。
生：汇报后师板书:
圆锥的体积等于同它等底等高的圆柱体积的1/3。
师：如果没有圆柱这一辅助工具，我们怎样计算圆锥的体积？
生：圆锥的体积等于底面积乘高乘1/3。
在上述教学过程中，教师提供丰富的实验材料，学生需要从中挑选出解决问题必须的材料进行研究。学生的问题不是一步到位的，通过不断地猜测、验证、修订实验方案，再猜测、再验证这样的过程，逐步过渡到复杂的、更一般的情景，学生在主动探索尝试过程中，进行了再创造学习，以抽象概括方式自主总结出圆锥体积计算公式。这一环节的设计，不仅发展了学生的策略性知识，同时让学生经历猜测与验证、分析与归纳、抽象与概括的数学思维过程。学习过程中学生有时独立思考，有时小组合作学习，有时是独立探索和合作学习相结合，学生在新知探索中充分体验了数学模型的形成过程。
三、解决问题，拓展应用数学模型
用所建立的数学模型来解答生活实际中的问题，让学生能体会到数学模型的实际应用价值，体验到所学知识的用途和益处，进一步培养学生应用数学的意识和综合应用数学知识解决问题的能力，让学生体验实际应用带来的快乐。解决问题具体表现在两个方面：一是布置数学题作业，如基本题、变式题、拓展题等；二是生活题作业，让学生在实际生活中应用数学。通过应用真正让数学走入生活，让数学走近学生。用数学知识去解决实际问题的同时拓展数学问题，培养学生的数学意识，提高学生的数学认知水平，又可以促进学生的探索意识、发现问题意识、创新意识和实践意识的形成，使学生在实际应用过程中认识新问题，同化新知识，并构建自己的智力系统。
如在学生掌握了速度、时间、路程之间关系后，先进行单项练习，然后出示这样的变式题：
1、汽车4小时行驶了240千米，12小时可行驶多少千米？
2、火车的速度是每小时130千米，火车早上8：00出发，14：00到站，两站之间的距离是多少千米？
学生在掌握了速度乘时间等于路程这一模型后，进行变式练习，学生基本能正确解答，说明学生对基本数学模型已经掌握，并能够从4小时行驶了240千米中找到需要的速度，从8：00至14：00中找到所需时间。虽然两题叙述不同，但都可以运用同一个数学模型进行解答。掌握了数学模型，学生解答起数学问题来得心应手。
又如学习了圆的周长后设计这样的题目：怎样利用你的自行车测量学校到家里的实际距离。
这一问题的设计既考虑与学生生活的真实情景相结合，又能引起学生的猜测、估计、操作、观察、思考等具体的学习活动，并能使学生在具体的学习活动中学会搜集资料、分析问题。在解决实际问题中，学生需要搜集大量的信息，并从信息中剔除无用信息，留下有用信息，构建起数学模型，并运用数学模型进行计算、解决问题。在这一过程中，学生易于形成实事求是的态度以及进行质疑和独立思考的习惯，激发学生的创新精神。因此，我们在教学过程中，应注重学生建模思想的形成与运用。
综上所述，小学数学建模思想的形成过程是一个综合性的过程，是数学能力和其他各种能力协同发展的过程。在数学教学过程中进行数学建模思想的渗透，不仅可以使学生体会到数学并非只是一门抽象的学科，而且可以使学生感觉到利用数学建模的思想结合数学方法解决实际问题的妙处，进而对数学产生更大的兴趣。通过建模教学，可以加深学生对数学知识和方法的理解和掌握，调整学生的知识结构，深化知识层次。同时，培养学生应用数学的意识和自主、合作、探索、创新的精神，为学生的终身学习、可持续发展奠定基础。因此在数学课堂教学中，教师应逐步培养学生数学建模的思想、方法，形成学生良好的思维习惯和用数学的能力。
4. 模型与算法之间是什么关系
模型是一类问题的解题步骤，亦即一类问题的算法。如果问题的算法不具有一般性，就没有必要为算法建立模型，因为此时个体和整体的对立不明显，模型的抽象性质也体现不出来。
数学模型还没有一个统一的准确的定义，因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义。"数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。"具体来说，数学模型就是为了某种目的，用字母、数字及其它数学符号建立起来的等式或不等式以及图表、图象、框图等描述客观事物的特征及其内在联系的数学结构表达式。
算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
5. 数据挖掘十大经典算法及各自优势
数据挖掘十大经典算法及各自优势
不仅仅是选中的十大算法，其实参加评选的18种算法，实际上随便拿出一种来都可以称得上是经典算法，它们在数据挖掘领域都产生了极为深远的影响。
1. C4.5
C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进：
1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足；2) 在树构造过程中进行剪枝；3) 能够完成对连续属性的离散化处理；4) 能够对不完整数据进行处理。
C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。
2. The k-means algorithm 即K-Means算法
k-means algorithm算法是一个聚类算法，把n的对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。它假设对象属性来自于空间向量，并且目标是使各个群组内部的均 方误差总和最小。
3. Support vector machines
支持向量机，英文为Support Vector Machine，简称SV机（论文中一般简称SVM）。它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更 高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。分隔超平面使两个平行超平面的距离最大化。假 定平行超平面间的距离或差距越大，分类器的总误差越小。一个极好的指南是C.J.C Burges的《模式识别支持向量机指南》。van der Walt 和 Barnard 将支持向量机和其他分类器进行了比较。
4. The Apriori algorithm
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
5. 最大期望(EM)算法
在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然 估计的算法，其中概率模型依赖于无法观测的隐藏变量（Latent Variabl）。最大期望经常用在机器学习和计算机视觉的数据集聚（Data Clustering）领域。
6. PageRank
PageRank是Google算法的重要内容。2001年9月被授予美国专利，专利人是Google创始人之一拉里·佩奇（Larry Page）。因此，PageRank里的page不是指网页，而是指佩奇，即这个等级方法是以佩奇来命名的。
PageRank根据网站的外部链接和内部链接的数量和质量俩衡量网站的价值。PageRank背后的概念是，每个到页面的链接都是对该页面的一次投票， 被链接的越多，就意味着被其他网站投票越多。这个就是所谓的“链接流行度”——衡量多少人愿意将他们的网站和你的网站挂钩。PageRank这个概念引自 学术中一篇论文的被引述的频度——即被别人引述的次数越多，一般判断这篇论文的权威性就越高。
7. AdaBoost
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器 (强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权 值。将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。
8. kNN: k-nearest neighbor classification
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
9. Naive Bayes
在众多的分类模型中，应用最为广泛的两种分类模型是决策树模型(Decision Tree Model)和朴素贝叶斯模型（Naive Bayesian Model，NBC）。 朴素贝叶斯模型发源于古典数学理论，有着坚实的数学基础，以 及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。 但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。在属 性个数比较多或者属性之间相关性较大时，NBC模型的分类效率比不上决策树模型。而在属性相关性较小时，NBC模型的性能最为良好。10. CART: 分类与回归树
CART, Classification and Regression Trees。 在分类树下面有两个关键的思想。第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
以上是小编为大家分享的关于数据挖掘十大经典算法及各自优势的相关内容，更多信息可以关注环球青藤分享更多干货
6. 渗透理论的介绍
渗透理论是溶质渗透模型的简称。传质理论模型之一，由希格比（Higbie）于1935年提出。这一模型考虑了为双膜理论所忽略的、形成浓度梯度的过度时间。
7. 遗传算法的基本原理
遗传算法的基本原理和方法
一、编码
编码：把一个问题的可行解从其解空间转换到遗传算法的搜索空间的转换方法。
解码（译码）：遗传算法解空间向问题空间的转换。
二进制编码的缺点是汉明悬崖（Hamming Cliff），就是在某些相邻整数的二进制代码之间有很大的汉明距离，使得遗传算法的交叉和突变都难以跨越。
格雷码（Gray Code）：在相邻整数之间汉明距离都为1。
（较好）有意义的积木块编码规则：所定编码应当易于生成与所求问题相关的短距和低阶的积木块；最小字符集编码规则，所定编码应采用最小字符集以使问题得到自然的表示或描述。
二进制编码比十进制编码搜索能力强，但不能保持群体稳定性。
动态参数编码（Dynamic Paremeter Coding）：为了得到很高的精度，让遗传算法从很粗糙的精度开始收敛，当遗传算法找到一个区域后，就将搜索现在在这个区域，重新编码，重新启动，重复这一过程，直到达到要求的精度为止。
编码方法：
1、 二进制编码方法
缺点：存在着连续函数离散化时的映射误差。不能直接反映出所求问题的本身结构特征，不便于开发针对问题的专门知识的遗传运算算子，很难满足积木块编码原则
2、 格雷码编码：连续的两个整数所对应的编码之间仅仅只有一个码位是不同的，其余码位都相同。
3、 浮点数编码方法：个体的每个基因值用某一范围内的某个浮点数来表示，个体的编码长度等于其决策变量的位数。
4、 各参数级联编码：对含有多个变量的个体进行编码的方法。通常将各个参数分别以某种编码方法进行编码，然后再将他们的编码按照一定顺序连接在一起就组成了表示全部参数的个体编码。
5、 多参数交叉编码：将各个参数中起主要作用的码位集中在一起，这样它们就不易于被遗传算子破坏掉。
评估编码的三个规范：完备性、健全性、非冗余性。
二、选择
遗传算法中的选择操作就是用来确定如何从父代群体中按某种方法选取那些个体遗传到下一代群体中的一种遗传运算，用来确定重组或交叉个体，以及被选个体将产生多少个子代个体。
常用的选择算子：
1、 轮盘赌选择（Roulette Wheel Selection）：是一种回放式随机采样方法。每个个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比例。选择误差较大。
2、 随机竞争选择（Stochastic Tournament）：每次按轮盘赌选择一对个体，然后让这两个个体进行竞争，适应度高的被选中，如此反复，直到选满为止。
3、 最佳保留选择：首先按轮盘赌选择方法执行遗传算法的选择操作，然后将当前群体中适应度最高的个体结构完整地复制到下一代群体中。
4、 无回放随机选择（也叫期望值选择Excepted Value Selection）：根据每个个体在下一代群体中的生存期望来进行随机选择运算。方法如下
（1） 计算群体中每个个体在下一代群体中的生存期望数目N。
（2） 若某一个体被选中参与交叉运算，则它在下一代中的生存期望数目减去0.5，若某一个体未被选中参与交叉运算，则它在下一代中的生存期望数目减去1.0。
（3） 随着选择过程的进行，若某一个体的生存期望数目小于0时，则该个体就不再有机会被选中。
5、 确定式选择：按照一种确定的方式来进行选择操作。具体操作过程如下：
（1） 计算群体中各个个体在下一代群体中的期望生存数目N。
（2） 用N的整数部分确定各个对应个体在下一代群体中的生存数目。
（3） 用N的小数部分对个体进行降序排列，顺序取前M个个体加入到下一代群体中。至此可完全确定出下一代群体中M个个体。
6、无回放余数随机选择：可确保适应度比平均适应度大的一些个体能够被遗传到下一代群体中，因而选择误差比较小。
7、均匀排序：对群体中的所有个体按期适应度大小进行排序，基于这个排序来分配各个个体被选中的概率。
8、最佳保存策略：当前群体中适应度最高的个体不参与交叉运算和变异运算，而是用它来代替掉本代群体中经过交叉、变异等操作后所产生的适应度最低的个体。
9、随机联赛选择：每次选取几个个体中适应度最高的一个个体遗传到下一代群体中。
10、排挤选择：新生成的子代将代替或排挤相似的旧父代个体，提高群体的多样性。
三、交叉
遗传算法的交叉操作，是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体。
适用于二进制编码个体或浮点数编码个体的交叉算子：
1、单点交叉（One－pointCrossover）：指在个体编码串中只随机设置一个交叉点，然后再该点相互交换两个配对个体的部分染色体。
2、两点交叉与多点交叉：
（1） 两点交叉（Two－pointCrossover）：在个体编码串中随机设置了两个交叉点，然后再进行部分基因交换。
（2） 多点交叉（Multi－pointCrossover）
3、均匀交叉（也称一致交叉，UniformCrossover）：两个配对个体的每个基因座上的基因都以相同的交叉概率进行交换，从而形成两个新个体。
4、算术交叉（ArithmeticCrossover）：由两个个体的线性组合而产生出两个新的个体。该操作对象一般是由浮点数编码表示的个体。
四、变异
遗传算法中的变异运算，是指将个体染色体编码串中的某些基因座上的基因值用该基因座上的其它等位基因来替换，从而形成以给新的个体。
以下变异算子适用于二进制编码和浮点数编码的个体：
1、基本位变异（SimpleMutation）：对个体编码串中以变异概率、随机指定的某一位或某几位仅因座上的值做变异运算。
2、均匀变异（UniformMutation）：分别用符合某一范围内均匀分布的随机数，以某一较小的概率来替换个体编码串中各个基因座上的原有基因值。（特别适用于在算法的初级运行阶段）
3、边界变异（BoundaryMutation）：随机的取基因座上的两个对应边界基因值之一去替代原有基因值。特别适用于最优点位于或接近于可行解的边界时的一类问题。
4、非均匀变异：对原有的基因值做一随机扰动，以扰动后的结果作为变异后的新基因值。对每个基因座都以相同的概率进行变异运算之后，相当于整个解向量在解空间中作了一次轻微的变动。
5、高斯近似变异：进行变异操作时用符号均值为P的平均值，方差为P2的正态分布的一个随机数来替换原有的基因值。
8. 模型与算法之间是什么关系
模型是一类问题的解题步骤，亦即一类问题的算法。如果问题的算法不具有一般性，就没有必要为算法建立模型，因为此时个体和整体的对立不明显，模型的抽象性质也体现不出来。
数学模型还没有一个统一的准确的定义，因为站在不同的角度可以有不同的定义。不过我们可以给出如下定义。"数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。"具体来说，数学模型就是为了某种目的，用字母、数字及其它数学符号建立起来的等式或不等式以及图表、图象、框图等描述客观事物的特征及其内在联系的数学结构表达式。
算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
9. 如何在小学数学教学中渗透数学思想
摘要： 数学思想方法是人类思想文化宝库中的瑰宝，是数学的精髓。“小学数学思想方法”是在小学数学中运用的研究问题的思想和方法。探讨在小学数学教学中渗透数学思想方法有利于深刻地理解数学的内容和知识体系；有利于提高学生的数学素质；有利于对学生进行美育的渗透和辨证唯物主义的启蒙教育；有利于教师以较高的观点分析处理小学教材。本论文从分析教材和参考教育资料上探讨小学数学教材中数学思想方法的重要性，搜索和概括小学数学中几种常用的数学思想方法及教学策略，例如符号化思想、数学模型、统计思想等；渗透数学思想方法的教学中证明：有目的、有计划的渗透数学思想方法可以让不同程度的学生从中受益，从而提高数学学习的效率及教学质量。
关键词：数学思想方法 渗透
小学数学教学不仅要传授学生知识，而且也要在教学中渗透数学思想方法。数学思想方法是数学知识不可分割的有机组成部分，小学数学教材中，蕴含了许多数学思想和方法，如符号化思想、数学模型思想、统计思想、化归思想、组合思想、变换思想、对应思想、极限思想、集合思想、转化建模的思想以及猜想、验证的方法和反证法等。学生对数学的学习不单纯是知识的获得和反复的操练，贯穿始终的还有数学思想方法。如果说数学教材中的基础知识和基本技能是一条明线的话，那么蕴含在教材中的数学思想方法就是一条暗线。教师要注意数学思想方法的渗透，抓住教学内容中的有利因素，有意识地加以引导，有目的、有选择、适时地进行渗透,使学生在潜移默化中掌握数学思想方法。
一、 教学中渗透数学思想方法是必然趋势。
所谓数学思想，是指人们对数学理论与内容的本质认识，它直接支配着数学的实践活动。所谓数学方法， 是指某一数学活动过程的途径、程序、手段，它具有过程性、层次性和可操作性等特点。数学思想是数学方法 的灵魂，数学方法是数学思想的表现形式和得以实现的手段，因此，人们把它们称为数学思想方法。小学数学教学中渗透数学思想方法的必要性主要有以下四点：
1、创新人才培养的需要。当今世界，科技发展突飞猛进，知识经济初见端倪，国际竞争日趋激烈，人的素质的提高和“人才高地”的构筑，越来越成为经济增长和社会发展的决定性因素。素质教育的重要性被凸现出来。数学教学也应实施素质教育，我国《全日制义务教育数学课程标准》明确指出：义务教育阶段的数学课程致力于学生体会数学与自然及人类社会的密切联系，了解数学的价值，增进对数学的理解和应用数学的信心；学会运用数学的思维方式去观察分析现实社会，去解决日常生活中和其他学科学习中的问题；形成勇于探索，勇于创新的科学精神；获得对未来社会生活和进一步发展所必需的重要数学知识，（包括数学知识，数学活动经验）以及基本的思想方法和必要的应用技能。创新人才需要高素质的人，高素质的人必须具备优秀的思维品质，而数学是思维的科学，思维能力是数学能力的核心。在数学教学中渗透数学思想方法是培养学生的创新意识最根本的途径。
2、数学教学改革的需要。根据有关调查发现，在数学教学中数学思想方法的教学不受重视。相当一部份教师根本没有把数学思想方法纳入教学目标。而加强数学思想方法的教学是进一步提高数学教学质量的需要。从数学教材体系看，整个小学数学教材中贯穿着两条主线，一是写进教材的最基础的数学知识，它是明线，一贯很受重视，必须切实保证学生学好。另一条是数学能力培养和数学思想方法的渗透，这是条暗线，较少或没有直接写进教材，但对小学生的成长却十分重要，也越来越引起人们的重视。在教学中不能只注重数学知识的教学，忽视数学思想方法的教学。两条线应在课堂教学中并进，无形的数学思想将有形的数学知识贯穿始终。重视数学思想方法的教学有利于教师从整体上把握数学教学目的，将数学的本质、知识形成的过程，解决问题的过程展示给学生，教学达到事半功倍。现在教学中存在重知识结论的教学，轻知识发生过程的教学；重知识达标评价，轻数学思想形成的评价；重学生眼前的分数利益，轻学生的长远素质发展等的现状。一些教师对数学思想方法的理解不深透，数学思想方法的渗透教学在课堂教学中短时期难以见成效。因此，在小学数学教学中，数学思想方法的教学难以规范有序的实施，成为被人遗忘、冷落的“角落”。数学教学若是坚持 “数学知识的教学”则远远不能培养数学的思维能力，而数学思维能力的培养需要数学思想方法的教学与渗透。基于以上现状，数学思想方法的教学在小学数学教学法中有必要进行实践与探索。
3、 在认知心理学里，思想方法属于元认知范畴，它对认知活动起着监控、调节作用，对培养能力起着决定性 的作用。学习数学的目的“就意味着解题”（波利亚语），解题关键在于找到合适的解题思路，数学思想方法 就是帮助构建解题思路的指导思想。因此，向学生渗透一些基本的数学思想方法，提高学生的元认知水平，是 培养学生分析问题和解决问题能力的重要途径。
4、小学数学教学的根本任务是全面提高学生素质，其中最重要的因素是思维素质，而数学思想方法就是增强 学生数学观念，形成良好思维素质的关键。如果将学生的数学素质看作一个坐标系，那么数学知识、技能就好 比横轴上的因素，而数学思想方法就是纵轴的内容。淡化或忽视数学思想方法的教学，不仅不利于学生从纵横 两个维度上把握数学学科的基本结构，也必将影响其能力的发展和数学素质的提高。因此，向学生渗透一些基 本的数学思想方法，是数学教学改革的新视角，是进行数学素质教育的突破口。
二、现行小学数学教材中主要数学思想方法的知识分布及其教学策略。
现行的小学数学无论是新教材还是旧教材从教材内容看，小学数学解题常用到数学模型、符号化思想、统计思想、化合思想、组合思想等。这些数学思想方法对帮助学生解决实际问题有着重要的作用。
1、 符号化思想。
英国着名哲学家、数学家罗素说过：“什么是数学？数学就是符号加逻辑”。小学教材中大致出现如下几类符号：（1）个体符号：表示数的符号，如：1、2、3、4…，0；a,b,c,…，π，χ以及表示小数、分数、百分数的符号。（2）数的运算符号：+，-，×（·），÷（/，:）。（3）关系符号：=，≈，>，<，≠等。（4）结合符号：（），〔 〕等以及表示角度的计量单位符号和表示竖式运算的分隔符号等。
由于数学符号的抽象性和小学生思维习惯的具体性之间存在着矛盾，又由于符号常常是概念的代表。所以教师在教学中渗透符号化思想就要注意：①让学生正确理解与使用数学符号。在实际的教学中，学生在使用这些数学符号时往往会出现如下的错误。例如：在教学低年级文字题“90比60 多几？”小学生由于对加法的意义的不理解，往往看“多”就用“+”，看“少”就用“-”。误列式为“90+60”。又例高年级文字题“一个数的6倍少24是180，求这个数是多少？”学生也往往看见“倍”用“×”，看“少”就用“-”，误列式为“（180-24）×6”。象这样的例子，教师在教学中注意让学生理解符号的内涵，正确理解使用符号所表示的概念。如果只从解法上予以纠正而不从符号化思想上予以渗透，将事倍功半，学生今后还会出现类似的错误。②掌握日常语言与符号语言间的转化。数学教学实际上是数学语言的教学。在教学活动中，要帮助学生初步学会简单的数学符号语言和日常语言的转化，即将日常语言叙述的数量关系或空间形式转化为数学符号语言。反之，也能将符号语言转化为问题，看懂抽象的符号所反映的数量关系或空间形式。例如：
小营村有棉田75公顷， 已知一个数的60%是 解:设全村耕地面积是
是全村耕地面积的60% 全分析转化75，求这个数是多少？ χ公顷。
村耕地面积是多少公顷？ X 60%=75
日常语言 数学语言 符号语言
因此，教师在教学当中要引导学生用数学语言描述生活语言，而不要机械的把数学符号灌输给学生，从而培养学生抽象思维能力。③在填数中渗透变元思想。小学数学教科书在不同阶段，对变元思想有不同水平、不同形式的渗透，以便让学生逐步了解变元思想。例如：3.□7>3.27，45.16<45.1□，学生在方框里填上一个数很容易，但教师要明白，若将方框里填上χ就变成一元一次不等式。因此，教师应引导学生继续思考：方框内最多可以填几个数？这种思考能是学生初步了解变元思想。④在字母表示数中渗透符号化思想。在小学教材中，用字母表示数有表示运算定律，表示数量关系，面积体积公式等。例如：加法交换律：a+b=b+a,路程=速度×时间用字母表示s=vt，等。教师在教学用字母表示数时要循序渐进，从学生的生活中、原有的认知结构结合起来自然的建构。
2、 数学模型方法。
着名数学家华罗庚先生说：“数无形时不直观，形无数时难入微”，这句话形象简练地指出了形和数的互相依赖、相互制约的辩证关系。数学模型是对客观事物的空间形式和数量关系的一个近似的反映。数学模型可做广义和狭义理解。按广义的理解，凡一切数学概念、数学公式、数学理论体系、方程式和算法系统都可以叫做数学模型。数学模型可以分为三类：①概念型数学模型，如实数、函数、集合、向量等。②方法型模型，如各种方程、公式等。③结构型模型，如群、环、域、向量空间等。数学模型在解题中的基本构造如下：
实际问题
数学抽象
数学模型 还原说明
演算 推理
数学模型的解
由于数学模型的直观性能将概念的本质属性变得明显，学生掌握较容易，因此，在小学数学教学中恰当地渗透数学模型方法，有助于小学生掌握数学知识，增强解题能力，提高数学教学的效果。小学数学教学一般运用的是概念型数学模型和方法型的数学模型。
① 集合模型在教学中的渗透。三角形按角分类可以用下图表示：
三角形
直角三角形
锐角三角形钝角三角形
学生弄懂集合图的含义后，在今后的学习中会尝试用集合图来表示概念间的联系。如：
平行四边形
长方形
正方形
在应用题的解题中，教师也可以启发学生用集合图来帮助分析题意探寻解题方法。如：工程队计划修一条长250千米公路，第一天修了全长的20%，第二天修了全长的40%，剩下的第三天修完，第三天修了多少千米？
250千米（“1”）
第一天第二天 第三天
20% 40% ？
从图中可以看出，第三天修的路长是全长250千米的（1-20%-40%） ，此题迎刃而解：250×（1-20%-40%）=100（千米）。
②方程模型在教学中的渗透。列方程解应用题的关键是用数学模型来模拟数量关系，即根据条件用两种不同的方式表示同一量，列出已知数与未知量之间的关系式。在小学中高年级已逐步用方程来解答文字题与应用题。例如：一个工厂原来每天制造机器零件1800个，比现在少10%，现在每天制造机器零件多少个？
解：设现在每天制造机器零件χ个。
现在每天制造 原来每天制造 原来每天制造机
机器零件 — 比现在少10%， = 器零件1800个
χ 10%χ 1800
于是列出方程：χ-10%χ=1800。也就是原来每天制造机器零件1800个相当于现在的（1-10%）。还可列出方程χ·（1-10%）=1800。
③几何模型在教学中的渗透。解应用题时，若能将难题的数学问题化为与之相关的图形，通过作图来构造几何模型，再根据图形的性质和特点解题，将会使问题的解答简易直观。例如：一台压路机轮宽6米，如果它一分钟行驶200米，照这样计算，一小时它压过路面是多少平方米？
200米
轮宽6米
从图中可以看出，这题实际就是求60个长200米、宽6米的长方形的面积。6×200×60=32000（平方米）。
④公式模型在教学中的渗透。数学公式既是反映客观世界数学关系的符号，又是现实世界抽象出来的数学模型，因为它摒弃了各个事物的个别属性，因此它更具有典型的意义。例如：工作总量=工作效率×工作时间，路程=速度×时间，总产量=单产量×公顷数等。利用这些抽象出来的数学模型可以解决许多相关的题。例题“一件工作，甲单独做要6小时，乙单独做要用4小时，甲做完1/3后，两人合作，还要几小时做完？”解决这道题将工作总量看作单位“1”，甲的工作效率看作1/6，乙的效率看作1/4，根据工作总量=工作效率×工作时间这个公式模型，列式得出：（1-1/3）÷（1/6+1/4）=1.6（小时）。
3、统计思想
统计的基本思想是：从局部观测资料的统计特征来推断整个系统的状态，或判断某一论断以多大的概率来保证其正确性，或者算出发生错误判断的概率。统计方法是由“局部到整体”、“由特殊到一般”的科学方法。小学数学中统计思想体现在：简单的数据整理和求平均数，简单的统计表和统计图。学生在会整理、制表、作图的同时要能从数据、图表中发现一些相关的问题，得出一些结论。在教材的编排上，在低中年级让学生领悟略朴素的统计思想后，在中年级学习数据整理的方法上到高年级进一步按数据的大小分组统计的整理方法和复式条形统计图以及折线统计图。除了按课本的安排教学外，教师也可在平时的教学中有机的渗透统计的思想。例如：在课前布置学生收集有关的资料。如《亿以内数的读写》一课，可让学生收集生活中有关亿以内数的相关数据，通过课前收集、课上的交流与整理不仅学生学会了读写这些数，而且在接受国情教育中体会了统计的思想。在有些课上也可当堂收集资料统计数据，为教学内容服务。如《三步应用题》一课，课上调查同学们的定报情况，包括人数，单价，数量，报刊的种类等。通过图表等形式，提出问题，围绕着三步应用题的解题思路进行教学。这样的教学，教师有意识的渗透统计思想，学生学到生活中的数学，学习的有效性大大提高。当然，在小学数学中统计思想的渗透只能是初步的，仅仅涉及到整理样本数据的一些最简单的方法。至于总体推测，只是引导学生作些初步的想象和估算，以逐步接受统计思想的熏陶，同时也为今后的进一步学习打下基础。
4、.化归思想
化归思想是把一个实际问题通过某种转化、归结为一个数学问题，把一个较复杂的问题转化、归结为一个 较简单的问题。应当指出，这种化归思想不同于一般所讲的“转化”、“转换”。它具有不可逆转的单向性。
例1 、狐狸和黄鼠狼进行跳跃比赛，狐狸每次可向前跳4 1／2 米，黄鼠狼每次可向前跳2 3／4米。它们每 秒种都只跳一次。比赛途中，从起点开始，每隔12 3／8米设有一个陷阱， 当它们之中有一个掉进陷阱时，另 一个跳了多少米？
这是一个实际问题，但通过分析知道，当狐狸（或黄鼠狼）第一次掉进陷阱时，它所跳过的距离即是它每 次所跳距离4 1／2（或2 3／4）米的整倍数，又是陷阱间隔12 3／8米的整倍数，也就是4 1／2和12 3／8的“ 最小公倍数”（或2 3／4和12 3／8的“最小公倍数”）。针对两种情况，再分别算出各跳了几次，确定谁先掉 入陷阱，问题就基本解决了。上面的思考过程，实质上是把一个实际问题通过分析转化、归结为一个求“最小 公倍数”的问题，即把一个实际问题转化、归结为一个数学问题，这种化归思想正是数学能力的表现之一。
5、.组合思想
组合思想是把所研究的对象进行合理的分组，并对可能出现的各种情况既不重复又不遗漏地一一求解。
例4 在下面的乘法算式中，相同的汉字代表相同的数字， 不同的汉字代表不同的数字，求这个算式。
从小爱数学
× 4
──────
学数爱小从
分析：由于五位数乘以4的积还是五位数， 所以被乘数的首位数字“从”只能是1或2，但如果“从”＝1， “学”×4的积的个位应是1，“学”无解。所以“从”＝2。
在个位上，“学”×4的积的个位是2，“学”＝3或8。但由于“学”又是积的首位数字，必须大于或等于 8，所以“学”＝8。
在千位上，由于“小”×4不能再向万位进位，所以“小”＝1 或0。若“小”＝0，则十位上“数”×4＋ 3（进位）的个位是0，这不可能，所以“小”＝1。
在十位上，“数”×4＋3（进位）的个位是1，推出“数”＝7。
在百位上，“爱”×4＋3（进位）的个位还是“爱”，且百位必须向千位进3，所以“爱”＝9。
故欲求乘法算式为
2 1 9 7 8
× 4
──────
8 7 9 1 2
上面这种分类求解方法既不重复，又不遗漏，体现了组合思想。
6、在实际的教学中由于执教者对教材的理解不同，对同一教学内容会用不同的思想方法进行教学。有的教学内容往往通过几种数学思想方法去分析与解答。因此，教师在教学中要充分理解教材的教育功能，挖掘其隐藏的数学思想方法，在导出结论、寻找方法、揭示规律的过程中，使学生掌握其来龙去脉，培养学生自觉运用数学思想方法的意识。除以上例举的五种思想方法外，变换思想、对应思想、极限思想、集合思想、联想思想、、归纳猜想方法、演绎法转化建模的思想以及猜想、验证的方法和反证法等在小学数学教学中也时常应用，教师也应注意有意识地在教学中渗透。
三、在日常教学中渗透数学思想方法。
新一轮基础教育课程改革制定的新《课程标准》特别关注学生在知识与技能、过程与方法、情感态度与价值观这三个维度。《课程标准》中提到：义务教育阶段的数学课程应突出体现基础性、普及性和发展性，使数学教育面向全体学生，实现人人学到有价值的数学；人人都获得必需的数学；不同的人在数学上得到不同的发展。这就要求我们教师在教学中不能只关注知识与技能，更要关注技能与方法。
1、 渗透数学思想方法教学的原则
（1）过程性原则。
在教学中渗透数学思想方法时，不直接点明所应用的数学思想方法，而是通过精心设计的教学过程，有意识的引导学生潜移默化地领会蕴含其中的数学思想和方法。例如：在教学加法交换律时，通过一个猜球的小游戏，让学生用日常生活语言叙述游戏中：“变与不变的道理”。然后，进一步让学生用图形或数学符号表示，进而抽象出数学模型A+B=B+A。
（2）反复性原则。
数学方法属于逻辑思维的范畴，学生对它的领会和掌握具有一个“从个别到一般，从具体到抽象，从感性到理性，从低级到高级”的认知过程。那么，教师在教学中应作到渗透与反复相结合。例如：在教学运算定律的应用、典型应用题及解决一些实际问题时，反复渗透集合模型、方程模型、集合模型、公式模型等各种数学模型方法。
（3）系统性原则。
数学思想方法的渗透要由浅入深，不能随意性太强，对一种数学思想方法挖掘到什么程度，学生能理解到什么程度，教师要心中有数。所以，教师在制定教学计划时，要充分了解这一册教材中可以结合哪些内容进行什么数学思想方法的渗透，再结合后续的教学整理出数学思想方法教学的系统。
（3）明确性原则。
数学思想方法如果长期、反复、不明确的渗透，学生就不会有意识的领会与使用。所以，在一个教学阶段，教师就要有意识的总结我们解题时所应用到的思想方法，使得学生对数学思想方法的规律、运用方法适度明确化，利于今后的学习。
2、 渗透数学思想方法的有效途径
（1） 在知识的发生过程中，适时渗透数学思想方法。
在教学中教师不要简单的给出定义，不要过早的下结论，不要死板的找关联，这利于培养学生的分析、观察、比较、抽象、概括的逻辑思维加工的能力。例如：在教学“小数的性质”一课，教师不是简单地告诉学生什么是小数的性质，而是通过比较0.10与0.100的大小，由学生自己揭示小数的性质。学生分小组讨论0.10与0.100相等的理由有五、六种之多。有的利用数形结合的方法来验证；有的用实际测量的方法验证；有的用商不变的性质类比验证；有的用反证法验证等等。
（2） 通过小结、复习提炼概括数学思想方法。
在每一个单元整理与复习时，除了让学生整理数学知识点，还要让学生回忆解题是所应用到的一些典型的思想方法。从而让学生运用这些方法来解决实际问题。
（3） 在教学中注意多种数学思想方法的综合运用。
在解决实际问题的过程中，往往需要多种方法同时运用才能奏效。那么，在教学时注意引导学生综合运用的能力。
（4） 注意总结与评价。
在进行一段时间的训练后，结合学生的作业、测试，教师要及时的给学生总结与评价。评价时不要简单的对结果做出是非的评价，而要通过分析学生的解题思路及运用到的一些数学思想方法给予肯定。以此激励学生的创新能力，激发他的学习动力。
已经有人通过实验研究一学期的教学，在研究过程中不断的改进与总结，初步看见一些成效。从学生的成绩可以看出，在教学中有目的、有计划、有序列的进行数学思想方法的渗透，学生能够接受，可以让不同程度的学生受益，锻炼他们的思维能力，增强解决问题的能力，从而提高教学质量。
四、结论
在小学数学中渗透数学思想方法随着新一轮课程改革的进行已放在重要而显性的地位。每一个教师都要在实践中积极地改革与尝试。通过有效的实践与研究，在小学数学中渗透数学思想方法是可行的，学生是完全可以接受的，并且通过有目的、有计划、有序列的渗透，学生的思维能力得以增强，不同的学生都得到不同的收获，他们得到的不仅是“鱼”，还有“渔”，对学生的长远发展有着积极的意义及深远的影响。教师在这一研究中，提高了自身的数学修养，提升了教学理念，真正以“人”为本提高了课堂效益与教学质量。