现在开始受不了很多人了，只知道问问题，其实答案只要找一下就有了
前几天在Linux版看见一个人问一个问了n多遍的问题，最有特色的是它在正文中还加上了一句话“泪水在眼眶里打转”。你以为有了泪水就可以感动我们帮你回答问题啊
今天在EETechnology版居然还看见一个更过分的，不仅要FFT算法的C++程序，还要直接的EXE文件，拜托了，代码给你了，那你只要编译一下就可以了啊
我不禁想起中国的一个古话“临渊羡鱼不如退而结网”，可惜我们的教育长期以来把学生变成了只会临渊羡鱼的人，因为只要他们一“羡”就立刻会有老师啊，家长啊来送鱼上门。唉，送的是什么鱼呢？我不禁有想起一句中国古话“授之以鱼，只供一饭只需；授之以渔，则一生受用无穷”。
美国的教育就是强在他们的学生也许得到的“鱼”比我们少，但是他们有“退而结网”的意识。1991年8月25日一个当时还不是美国公民的 Finland的Hersinki大学计算机系的大学生Linus Torvalds卖不起Minix，怎么办呢？“临渊羡鱼不如退而结网”，于是他自己写了一个操作系统，这个就是后来闻名世界的Linux。前几天看到一个看了n多遍的电影AntiTrust，讲的就是几个Stanford的大学生代表的开源社团和一个老板代表的腐朽商业集团（含沙射影的指 Microsoft）的斗争。里面有一句台词“Any kid working in the garage, with a good new idea,can put us out of business”，是啊，这就是the Silicon Valley这么多年来发展的缩影啊。这就是他们敢于动手去做所创造的一个神话。
Just do it!
Nov 10, 2004
Nov 6, 2004
年轻的科学家——记青年地学论坛
其实我只是不忍看到这样一个活动没有总结而来自己写的，但是我毕竟不是学地学的，而且也没有参与过相关的研究，而且我一个晚辈在这里指手画脚是不礼貌的，所以还有错误和不足，希望大家批评指正。
Mathematicians won the war.Mathematicians broke the Japanese codes and built the A-bomb.
Mathematicians...like you.
The stated goal of the Soviets is global Communism.
In medicine or economics,in technology or space.Battle lines are being drawn.
To triumph,we need results--publishable,applicable results.
Now who among you will be the next Morse?The next Einstein?
Who among you will be the vanguard... of democracy,freedom,and discovery?
Today,we bequeath Ametica's future into your able hands.
Welcome to Princeton,gentlemen.
以上的话是电影A Beautiful Mind中John Nash刚到Princeton时他的老师对所有的弟子们说的话，也是这部电影的开场白。这部电影对于我是如此的具有激励的作用，以至于我都把这段台词背得了。
不过我却在不久前有幸再一次见到了这样令人振奋的场面，这次活动是令我如此的激动，以至于我在会议结束一天后还有激情来写这个回忆。
一次在版上偶然提到参加地学沙龙这么多次却一直没有听到数学在地学中的应用，arlley说在GFY中会有这方面的报告，于是我就跑来了，恐怕我是这次活动中唯一一个不是学地学的。虽然真正能够让我置身其中的报告并不多，但是依旧感到不虚此行。
本来是想去11月4日下午在2号报告厅的分会场的，结果中午碰到carlifornia，他说应该我去听水文那边的，那边全是数学。吴剑锋老师的第一个报告就验证了他的话。
吴老师讨论的问题用数学建模的观点来看就是一个优化问题，其实我现在还在想为什么今年的数学建模题不出吴老师的这个研究方向，也许今年的MCM/ICM就是讨论地下水污染的检测问题的。在吴老师提出他的问题后，我看到了几个熟悉的数学方法，Monte Carlo方法，遗传算法。不过我到没有想到吴老师是将Monte Carlo方法和遗传算法结合起来，利用Monte Carlo方法引入参数的不确定性，吴老师后来还提出了一个方法，噪声遗传算法，这个方法也是利用Monte Carlo方法产生不确定条件下参数参数分布的多个实现，但只选取一定数量的实现来求解，这样可以减少计算量。其中最令我有启发的是，吴老师在使用GA求解最优解的时候，在进化初期，每一代选取的实现是较少的，而在进化的后期，每一代选取的实现较多，这样可以兼顾计算时间和准确性。
不过倒是想问吴老师有没有试过用其他的优化算法，比如模拟退火，来研究这个问题呢?
下一个报告我是没有听懂。（呵呵，其实我是没有听）
后来的一个报告是讨论在一个场中Monte Carlo 方法的实现次数对参数分布的影响的，也就是说，实现次数少了，参数分布也许不收敛于预期的分布，而实现次数多了，也许早就满足要求了，但是却白白浪费了很多计算时间。我倒是很新奇的听到一个在地学已经形成了渗透系数这样一个数值化指标，更新奇的听到地学中把这个参数的分布看作一个场，记得一个牛人就说过，“什么是场？场就是物理量在空间的分布”。不过可能是对你们的这个场还不太了解，没有见到你们用场论中的一些指标来评价场。
不过到也想问问这个同学， 你的摘要中提到由于计算是在不同的计算机上完成的，所以没有记录消耗的时间。其实我觉得你只要把算法的时间复杂度分析出来，我们就可以看到消耗的时间和计算量的关系了。
然后我就跑到东南楼的二号报告厅去了。不知道为什么我平时见到的牛人都在那里。：）
来自中科院的刘勇洪介绍了他基于生态系统遥感数据建立的土地覆盖类型模型。这倒是我第一次全面的了解遥感的工作过程。作者在生态系统和土地覆盖类型之间建立了模型，并且让我新奇的是作者还设计了识别系统的学习过程，好像现在在自动化控制中也流行这样的思想。有一个很好的处理方法给我留下了深刻的影响，作者为了消除云层对遥感影像的影响，对长期的数据进行统计。
后来一个报告也是没有听懂。（呵呵，主要是听到作者弄错了很多物理学史问题之后就没有听了）
后来听到一个来自浙江大学的同学介绍三角网的生成算法，确实很有意思。我不知道三角网有什么用，不过他的算法改进确实很有意思，他自己列出的对比也说明这种优化确实很有效。简单的想法往往会带来巨大的变化，我不禁想起一个牛人，好像是Feynman吧，他说"It is important to solve the problem that has been solved.”
后来的两个报告也是整个没有搞懂，本来想和人家探讨一下他们是如何在三维空间内附加各种信息的，结果发现他们自己好像也不是很清楚，居然对我说出“你去问发明这个技术的人吧”这样的话。弄的我还有一个问题，就是他们是如何存储信息的，都没有机会问了。
本来准备只参加4号下午的活动的，可是感觉古生物那边的东西也想了解一下，于是5号又来了。不过后悔没有把生科院那帮兄弟喊过来。
第一个报告没有听全，所以也就不说什么了。
第二个报告是中科院南古所的一位同学（我也不知道该怎么称呼，就算是同学吧）介绍他在山西永济地区发现的疑源类化石以及从其热解产物中检测到沟鞭藻的标志化合物的研究内容。他在报告中提到了这些疑源类的板片构造使他推测他们可能是沟鞭藻的化石。疑源类这个词给我的印象很深，颇像当年的X射线。而且作者提到了几个物种分布的相关性，结果有人提出可能是趋同进化，让我感受到假设在地球科学中的重要性。（怎么现在感觉地学到处都是假说啊）
后面张遵忠先生的报告是讲花岗岩的，这个东西我是一点都插不上嘴的，所以就不提了。后面凡是提到花岗岩的我都没有听。
来自吉林大学的一个同学讨论了植硅体对泥炭环境的指示意义。我倒是很新奇植硅体这种东西是如何形成的，在后来的提问中我才知道原来是植物细胞间隙中的物质在水分蒸发后形成的。还听说了温度系数这样一种指标，问了那位南古所的同学才知道植硅体的形状可以指示其形成时的环境温度，在一定样本空间内，将表示某种温度状况的植硅体的数量除以总的植硅体数量就是温度系数。这种评价标准倒是不错。
下一个报告是南师大的陈仕涛同学介绍的，没有完全听懂，但是听说他是如何刮样品的倒是肃然起敬，这才是科学工作者啊,感动ing
后来张晓琳的报告由于也是花岗岩，所以也不懂。但是有一点很奇怪，他在表述一个关系的时候说这个关系是双曲线性的，为什么不表示为倒数线性特性呢？这样还便于作拟合和误差分析，我记得大一作普通物理试验的时候老师就说尽量将双曲线性表示为倒数线性特性。
下一个也是花岗岩，虽然没有听懂，到是也被科普了一下，总算知道A型花岗岩名字的来历了。呵呵。
下午去帮carlifornia捧场，结果无心插柳，听到了吉林大学丁清峰老师介绍证据权重法的应用。这是第一次听说这种方法，算是开眼界了。当然了也少不了hh1936同学的活跃思维。
由于在看论文摘要汇编的时候发现丁增勇等同学的文章，看到那个图是，便猜测是用Matlab画的，相比值得一听，于是又跑去了。不过没有完全弄懂他们是如何从热传导方程一步一步推导的过程。倒是想告诉丁前辈，你文章中那个图其实可以把灰色的边框去掉，Matlab中有一个导出图像的选项，好像叫做force margin into white,这样导出来的图片就好看多了。
两天的活动让我重新认识了地学，学到了很多知识，体会了很多原来不曾听说的思维方法。感谢arlley告诉我这次活动中有很多数学的内容，也感谢carlifornia告诉我哪里有相关的报告，也感谢所有会务组同学的辛勤劳动和老师们的大力支持。
我想起美国前总统戈尔在1993年启动GLOBE计划时说，“成千上万参加GLOBE计划的青少年他们是年轻的科学家”，于是我不禁想到这两天来那么多的年轻人也都是年轻的科学家，所以我就用“年轻的科学家”作为文章的标题了。
不请自来的baosheng
【 以下文字转载自 EarthSciences 讨论区 】
【 原文由 CEC 所发表 】
看了baosheng写的总结——写得很好也很详细——尤其还给我提了一个问题。我没有理由对此无动于衷-:) 昨天写到中途一半，网络掉线，郁闷死了:( 今天接着写吧，可能今天没有昨天的思路，会有些乱~~~~
很遗憾，对于baosheng提出的用模拟退火（SA）方法来解决污染监测网的设计这一问题，我暂时还没有研究。归根到底，监测点的设计问题是一个0-1 规划问题，只不过其中的约束条件包含了描述复杂地下水流系统的水流模型和运移模型。遗传算法（GA）采用二进制编码时，正好与监测网中各监测点的取舍（0 或1）相吻合，所以GA在这一问题中具有不错的效果。可以说GA是求解该问题的一个强得力工具。现阶段很难单独用SA来简单地解决这一
问题中监测点的取舍，因此，我还没法运用单一的SA求解监测网的设计问题。但是，我想可以尝试将SA与GA相结合——既可由GA方便地决定监测点的取舍，又可由SA尽可能地快速收敛于“最优解”。相信这是一个令人感兴趣的研究课题。当然，可以先建立取样点与其位置编号的对应关系，然后再应用SA求解这一问题，应该也是可行的。如果有同学感兴趣研究，也是一个不错的研究题目。
事实上，作为智能优化方法，我对GA和SA都有一些了解和研究，在地下水污染的治理和修复优化设计中也有这些方法的应用。并且将GA与SA相结合应用于地下水系统参数的识别、污染的治理等问题中也取得了一些不错的效果。以往的研究基本不考虑参数的不确定性，所以相对简单一些，一旦考虑系统参数的随机变化，问题就大大地复杂化了——但这也正是今后我们需要关注的！
总之，任何学科的问题都没法达到研究的尽头，只要有需要，研究就有存在的意义；同样，只要有兴趣，总能找到合适自己的研究方向——无所谓学科门类的冷热。 “没有最好，只有更好”是不是也能概括我们各自的研究？！同时，还想说一句：“对水文地质感兴趣的同学，积极加入到我们这一行列中来吧！”（插播广告）
权以此作答——致谢baosheng！
Mathematicians won the war.Mathematicians broke the Japanese codes and built the A-bomb.
Mathematicians...like you.
The stated goal of the Soviets is global Communism.
In medicine or economics,in technology or space.Battle lines are being drawn.
To triumph,we need results--publishable,applicable results.
Now who among you will be the next Morse?The next Einstein?
Who among you will be the vanguard... of democracy,freedom,and discovery?
Today,we bequeath Ametica's future into your able hands.
Welcome to Princeton,gentlemen.
以上的话是电影A Beautiful Mind中John Nash刚到Princeton时他的老师对所有的弟子们说的话，也是这部电影的开场白。这部电影对于我是如此的具有激励的作用，以至于我都把这段台词背得了。
不过我却在不久前有幸再一次见到了这样令人振奋的场面，这次活动是令我如此的激动，以至于我在会议结束一天后还有激情来写这个回忆。
一次在版上偶然提到参加地学沙龙这么多次却一直没有听到数学在地学中的应用，arlley说在GFY中会有这方面的报告，于是我就跑来了，恐怕我是这次活动中唯一一个不是学地学的。虽然真正能够让我置身其中的报告并不多，但是依旧感到不虚此行。
本来是想去11月4日下午在2号报告厅的分会场的，结果中午碰到carlifornia，他说应该我去听水文那边的，那边全是数学。吴剑锋老师的第一个报告就验证了他的话。
吴老师讨论的问题用数学建模的观点来看就是一个优化问题，其实我现在还在想为什么今年的数学建模题不出吴老师的这个研究方向，也许今年的MCM/ICM就是讨论地下水污染的检测问题的。在吴老师提出他的问题后，我看到了几个熟悉的数学方法，Monte Carlo方法，遗传算法。不过我到没有想到吴老师是将Monte Carlo方法和遗传算法结合起来，利用Monte Carlo方法引入参数的不确定性，吴老师后来还提出了一个方法，噪声遗传算法，这个方法也是利用Monte Carlo方法产生不确定条件下参数参数分布的多个实现，但只选取一定数量的实现来求解，这样可以减少计算量。其中最令我有启发的是，吴老师在使用GA求解最优解的时候，在进化初期，每一代选取的实现是较少的，而在进化的后期，每一代选取的实现较多，这样可以兼顾计算时间和准确性。
不过倒是想问吴老师有没有试过用其他的优化算法，比如模拟退火，来研究这个问题呢?
下一个报告我是没有听懂。（呵呵，其实我是没有听）
后来的一个报告是讨论在一个场中Monte Carlo 方法的实现次数对参数分布的影响的，也就是说，实现次数少了，参数分布也许不收敛于预期的分布，而实现次数多了，也许早就满足要求了，但是却白白浪费了很多计算时间。我倒是很新奇的听到一个在地学已经形成了渗透系数这样一个数值化指标，更新奇的听到地学中把这个参数的分布看作一个场，记得一个牛人就说过，“什么是场？场就是物理量在空间的分布”。不过可能是对你们的这个场还不太了解，没有见到你们用场论中的一些指标来评价场。
不过到也想问问这个同学， 你的摘要中提到由于计算是在不同的计算机上完成的，所以没有记录消耗的时间。其实我觉得你只要把算法的时间复杂度分析出来，我们就可以看到消耗的时间和计算量的关系了。
然后我就跑到东南楼的二号报告厅去了。不知道为什么我平时见到的牛人都在那里。：）
来自中科院的刘勇洪介绍了他基于生态系统遥感数据建立的土地覆盖类型模型。这倒是我第一次全面的了解遥感的工作过程。作者在生态系统和土地覆盖类型之间建立了模型，并且让我新奇的是作者还设计了识别系统的学习过程，好像现在在自动化控制中也流行这样的思想。有一个很好的处理方法给我留下了深刻的影响，作者为了消除云层对遥感影像的影响，对长期的数据进行统计。
后来一个报告也是没有听懂。（呵呵，主要是听到作者弄错了很多物理学史问题之后就没有听了）
后来听到一个来自浙江大学的同学介绍三角网的生成算法，确实很有意思。我不知道三角网有什么用，不过他的算法改进确实很有意思，他自己列出的对比也说明这种优化确实很有效。简单的想法往往会带来巨大的变化，我不禁想起一个牛人，好像是Feynman吧，他说"It is important to solve the problem that has been solved.”
后来的两个报告也是整个没有搞懂，本来想和人家探讨一下他们是如何在三维空间内附加各种信息的，结果发现他们自己好像也不是很清楚，居然对我说出“你去问发明这个技术的人吧”这样的话。弄的我还有一个问题，就是他们是如何存储信息的，都没有机会问了。
本来准备只参加4号下午的活动的，可是感觉古生物那边的东西也想了解一下，于是5号又来了。不过后悔没有把生科院那帮兄弟喊过来。
第一个报告没有听全，所以也就不说什么了。
第二个报告是中科院南古所的一位同学（我也不知道该怎么称呼，就算是同学吧）介绍他在山西永济地区发现的疑源类化石以及从其热解产物中检测到沟鞭藻的标志化合物的研究内容。他在报告中提到了这些疑源类的板片构造使他推测他们可能是沟鞭藻的化石。疑源类这个词给我的印象很深，颇像当年的X射线。而且作者提到了几个物种分布的相关性，结果有人提出可能是趋同进化，让我感受到假设在地球科学中的重要性。（怎么现在感觉地学到处都是假说啊）
后面张遵忠先生的报告是讲花岗岩的，这个东西我是一点都插不上嘴的，所以就不提了。后面凡是提到花岗岩的我都没有听。
来自吉林大学的一个同学讨论了植硅体对泥炭环境的指示意义。我倒是很新奇植硅体这种东西是如何形成的，在后来的提问中我才知道原来是植物细胞间隙中的物质在水分蒸发后形成的。还听说了温度系数这样一种指标，问了那位南古所的同学才知道植硅体的形状可以指示其形成时的环境温度，在一定样本空间内，将表示某种温度状况的植硅体的数量除以总的植硅体数量就是温度系数。这种评价标准倒是不错。
下一个报告是南师大的陈仕涛同学介绍的，没有完全听懂，但是听说他是如何刮样品的倒是肃然起敬，这才是科学工作者啊,感动ing
后来张晓琳的报告由于也是花岗岩，所以也不懂。但是有一点很奇怪，他在表述一个关系的时候说这个关系是双曲线性的，为什么不表示为倒数线性特性呢？这样还便于作拟合和误差分析，我记得大一作普通物理试验的时候老师就说尽量将双曲线性表示为倒数线性特性。
下一个也是花岗岩，虽然没有听懂，到是也被科普了一下，总算知道A型花岗岩名字的来历了。呵呵。
下午去帮carlifornia捧场，结果无心插柳，听到了吉林大学丁清峰老师介绍证据权重法的应用。这是第一次听说这种方法，算是开眼界了。当然了也少不了hh1936同学的活跃思维。
由于在看论文摘要汇编的时候发现丁增勇等同学的文章，看到那个图是，便猜测是用Matlab画的，相比值得一听，于是又跑去了。不过没有完全弄懂他们是如何从热传导方程一步一步推导的过程。倒是想告诉丁前辈，你文章中那个图其实可以把灰色的边框去掉，Matlab中有一个导出图像的选项，好像叫做force margin into white,这样导出来的图片就好看多了。
两天的活动让我重新认识了地学，学到了很多知识，体会了很多原来不曾听说的思维方法。感谢arlley告诉我这次活动中有很多数学的内容，也感谢carlifornia告诉我哪里有相关的报告，也感谢所有会务组同学的辛勤劳动和老师们的大力支持。
我想起美国前总统戈尔在1993年启动GLOBE计划时说，“成千上万参加GLOBE计划的青少年他们是年轻的科学家”，于是我不禁想到这两天来那么多的年轻人也都是年轻的科学家，所以我就用“年轻的科学家”作为文章的标题了。
不请自来的baosheng
【 以下文字转载自 EarthSciences 讨论区 】
【 原文由 CEC 所发表 】
看了baosheng写的总结——写得很好也很详细——尤其还给我提了一个问题。我没有理由对此无动于衷-:) 昨天写到中途一半，网络掉线，郁闷死了:( 今天接着写吧，可能今天没有昨天的思路，会有些乱~~~~
很遗憾，对于baosheng提出的用模拟退火（SA）方法来解决污染监测网的设计这一问题，我暂时还没有研究。归根到底，监测点的设计问题是一个0-1 规划问题，只不过其中的约束条件包含了描述复杂地下水流系统的水流模型和运移模型。遗传算法（GA）采用二进制编码时，正好与监测网中各监测点的取舍（0 或1）相吻合，所以GA在这一问题中具有不错的效果。可以说GA是求解该问题的一个强得力工具。现阶段很难单独用SA来简单地解决这一
问题中监测点的取舍，因此，我还没法运用单一的SA求解监测网的设计问题。但是，我想可以尝试将SA与GA相结合——既可由GA方便地决定监测点的取舍，又可由SA尽可能地快速收敛于“最优解”。相信这是一个令人感兴趣的研究课题。当然，可以先建立取样点与其位置编号的对应关系，然后再应用SA求解这一问题，应该也是可行的。如果有同学感兴趣研究，也是一个不错的研究题目。
事实上，作为智能优化方法，我对GA和SA都有一些了解和研究，在地下水污染的治理和修复优化设计中也有这些方法的应用。并且将GA与SA相结合应用于地下水系统参数的识别、污染的治理等问题中也取得了一些不错的效果。以往的研究基本不考虑参数的不确定性，所以相对简单一些，一旦考虑系统参数的随机变化，问题就大大地复杂化了——但这也正是今后我们需要关注的！
总之，任何学科的问题都没法达到研究的尽头，只要有需要，研究就有存在的意义；同样，只要有兴趣，总能找到合适自己的研究方向——无所谓学科门类的冷热。 “没有最好，只有更好”是不是也能概括我们各自的研究？！同时，还想说一句：“对水文地质感兴趣的同学，积极加入到我们这一行列中来吧！”（插播广告）
权以此作答——致谢baosheng！
Subscribe to:
Posts (Atom)