蚁群算法(ant colony optimization, ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型技术.它由Marco Dorigo于1992年在他的博士论文中引入,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为.蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值.蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题.由柳洪平创建.预期的结果：各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物.当一只找到食物以后,它会向环境释放一种信息素,吸引其他的蚂蚁过来,这样越来越多的蚂蚁会找到食物!有些蚂蚁并没有象其它蚂蚁一样总重复同样的路,他们会另辟蹊径,如果令开辟的道路比原来的其他道路更短,那么,渐渐,更多的蚂蚁被吸引到这条较短的路上来.最后,经过一段时间运行,可能会出现一条最短的路径被大多数蚂蚁重复着.原理：为什么小小的蚂蚁能够找到食物?他们具有智能么?设想,如果我们要为蚂蚁设计一个人工智能的程序,那么这个程序要多么复杂呢?首先,你要让蚂蚁能够避开障碍物,就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物,其次,要让蚂蚁找到食物,就需要让他们遍历空间上的所有点；再次,如果要让蚂蚁找到最短的路径,那么需要计算所有可能的路径并且比较它们的大小,而且更重要的是,你要小心翼翼的编程,因为程序的错误也许会让你前功尽弃.这是多么不可思议的程序!太复杂了,恐怕没人能够完成这样繁琐冗余的程序.然而,事实并没有你想得那么复杂,上面这个程序每个蚂蚁的核心程序编码不过100多行!为什么这么简单的程序会让蚂蚁干这样复杂的事情?答案是：简单规则的涌现.事实上,每只蚂蚁并不是像我们想象的需要知道整个世界的信息,他们其实只关心很小范围内的眼前信息,而且根据这些局部信息利用几条简单的规则进行决策,这样,在蚁群这个集体里,复杂性的行为就会凸现出来.这就是人工生命、复杂性科学解释的规律!那么,这些简单规则是什么呢?下面详细说明：1、范围：蚂蚁观察到的范围是一个方格世界,蚂蚁有一个参数为速度半径（一般是3）,那么它能观察到的范围就是3*3个方格世界,并且能移动的距离也在这个范围之内.2、环境：蚂蚁所在的环境是一个虚拟的世界,其中有障碍物,有别的蚂蚁,还有信息素,信息素有两种,一种是找到食物的蚂蚁洒下的食物信息素,一种是找到窝的蚂蚁洒下的窝的信息素.每个蚂蚁都仅仅能感知它范围内的环境信息.环境以一定的速率让信息素消失.3、觅食规则：在每只蚂蚁能感知的范围内寻找是否有食物,如果有就直接过去.否则看是否有信息素,并且比较在能感知的范围内哪一点的信息素最多,这样,它就朝信息素多的地方走,并且每只蚂蚁多会以小概率犯错误,从而并不是往信息素最多的点移动.蚂蚁找窝的规则和上面一样,只不过它对窝的信息素做出反应,而对食物信息素没反应.4、移动规则： 每只蚂蚁都朝向信息素最多的方向移,并且,当周围没有信息素指引的时候,蚂蚁会按照自己原来运动的方向惯性的运动下去,并且,在运动的方向有一个随机的小的扰动.为了防止蚂蚁原地转圈,它会记住最近刚走过了哪些点,如果发现要走的下一点已经在最近走过了,它就会尽量避开.5、避障规则：如果蚂蚁要移动的方向有障碍物挡住,它会随机的选择另一个方向,并且有信息素指引的话,它会按照觅食的规则行为. 7、播撒信息素规则：每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多,并随着它走远的距离,播撒的信息素越来越少.根据这几条规则,蚂蚁之间并没有直接的关系,但是每只蚂蚁都和环境发生交互,而通过信息素这个纽带,实际上把各个蚂蚁之间关联起来了.比如,当一只蚂蚁找到了食物,它并没有直接告诉其它蚂蚁这儿有食物,而是向环境播撒信息素,当其它的蚂蚁经过它附近的时候,就会感觉到信息素的存在,进而根据信息素的指引找到了食物.问题：说了这么多,蚂蚁究竟是怎么找到食物的呢?在没有蚂蚁找到食物的时候,环境没有有用的信息素,那么蚂蚁为什么会相对有效的找到食物呢?这要归功于蚂蚁的移动规则,尤其是在没有信息素时候的移动规则.首先,它要能尽量保持某种惯性,这样使得蚂蚁尽量向前方移动（开始,这个前方是随机固定的一个方向）,而不是原地无谓的打转或者震动；其次,蚂蚁要有一定的随机性,虽然有了固定的方向,但它也不能像粒子一样直线运动下去,而是有一个随机的干扰.这样就使得蚂蚁运动起来具有了一定的目的性,尽量保持原来的方向,但又有新的试探,尤其当碰到障碍物的时候它会立即改变方向,这可以看成一种选择的过程,也就是环境的障碍物让蚂蚁的某个方向正确,而其他方向则不对.这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然能找到隐蔽得很好的食物.当然,在有一只蚂蚁找到了食物的时候,其他蚂蚁会沿着信息素很快找到食物的.蚂蚁如何找到最短路径的?这一是要归功于信息素,另外要归功于环境,具体说是计算机时钟.信息素多的地方显然经过这里的蚂蚁会多,因而会有更多的蚂蚁聚集过来.假设有两条路从窝通向食物,开始的时候,走这两条路的蚂蚁数量同样多（或者较长的路上蚂蚁多,这也无关紧要）.当蚂蚁沿着一条路到达终点以后会马上返回来,这样,短的路蚂蚁来回一次的时间就短,这也意味着重复的频率就快,因而在单位时间里走过的蚂蚁数目就多,洒下的信息素自然也会多,自然会有更多的蚂蚁被吸引过来,从而洒下更多的信息素……；而长的路正相反,因此,越来越多地蚂蚁聚集到较短的路径上来,最短的路径就近似找到了.也许有人会问局部最短路径和全局最短路的问题,实际上蚂蚁逐渐接近全局最短路的,为什么呢?这源于蚂蚁会犯错误,也就是它会按照一定的概率不往信息素高的地方走而另辟蹊径,这可以理解为一种创新,这种创新如果能缩短路途,那么根据刚才叙述的原理,更多的蚂蚁会被吸引过来.引申跟着蚂蚁的踪迹,你找到了什么?通过上面的原理叙述和实际操作,我们不难发现蚂蚁之所以具有智能行为,完全归功于它的简单行为规则,而这些规则综合起来具有下面两个方面的特点：1、多样性2、正反馈多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环,正反馈机制则保证了相对优良的信息能够被保存下来.我们可以把多样性看成是一种创造能力,而正反馈是一种学习强化能力.正反馈的力量也可以比喻成权威的意见,而多样性是打破权威体现的创造性,正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了.引申来讲,大自然的进化,社会的进步、人类的创新实际上都离不开这两样东西,多样性保证了系统的创新能力,正反馈保证了优良特性能够得到强化,两者要恰到好处的结合.如果多样性过剩,也就是系统过于活跃,这相当于蚂蚁会过多的随机运动,它就会陷入混沌状态；而相反,多样性不够,正反馈机制过强,那么系统就好比一潭死水.这在蚁群中来讲就表现为,蚂蚁的行为过于僵硬,当环境变化了,蚂蚁群仍然不能适当的调整.既然复杂性、智能行为是根据底层规则涌现的,既然底层规则具有多样性和正反馈特点,那么也许你会问这些规则是哪里来的?多样性和正反馈又是哪里来的?我本人的意见：规则来源于大自然的进化.而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合.而这样的巧妙结合又是为什么呢?为什么在你眼前呈现的世界是如此栩栩如生呢?答案在于环境造就了这一切,之所以你看到栩栩如生的世界,是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了,被环境淘汰了!参数说明：最大信息素：蚂蚁在一开始拥有的信息素总量,越大表示程序在较长一段时间能够存在信息素.信息素消减的速度：随着时间的流逝,已经存在于世界上的信息素会消减,这个数值越大,那么消减的越快.错误概率表示这个蚂蚁不往信息素最大的区域走的概率,越大则表示这个蚂蚁越有创新性.速度半径表示蚂蚁一次能走的最大长度,也表示这个蚂蚁的感知范围.记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标,这个值避免了蚂蚁在本地打转,停滞不前.而这个值越大那么整个系统运行速度就慢,越小则蚂蚁越容易原地转圈.蚁群算法的实现下面的程序开始运行之后,蚂蚁们开始从窝里出动了,寻找食物；他们会顺着屏幕爬满整个画面,直到找到食物再返回窝.其中,‘F’点表示食物,‘H’表示窝,白色块表示障碍物,‘+’就是蚂蚁了.参数说明：最大信息素：蚂蚁在一开始拥有的信息素总量,越大表示程序在较长一段时间能够存在信息素.信息素消减的速度：随着时间的流逝,已经存在于世界上的信息素会消减,这个数值越大,那么消减的越快.错误概率表示这个蚂蚁不往信息素最大的区域走的概率,越大则表示这个蚂蚁越有创新性.速度半径表示蚂蚁一次能走的最大长度,也表示这个蚂蚁的感知范围.记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标,这个值避免了蚂蚁在本地打转,停滞不前.而这个值越大那么整个系统运行速度就慢,越小则蚂蚁越容易原地转圈.
跟着蚂蚁的踪迹，你找到了什么？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点：1、多样性2、正反馈多样性保证了蚂蚁在觅食的时候不至走进死胡同而无限循环，正反馈机制则保证了相对优良的信息能够被保存下来。我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力。正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创造性，正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了。引申来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合。如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的随机运动，它就会陷入混沌状态；而相反，多样性不够，正反馈机制过强，那么系统就好比一潭死水。这在蚁群中来讲就表现为，蚂蚁的行为过于僵硬，当环境变化了，蚂蚁群仍然不能适当的调整。既然复杂性、智能行为是根据底层规则涌现的，既然底层规则具有多样性和正反馈特点，那么也许你会问这些规则是哪里来的？多样性和正反馈又是哪里来的？我本人的意见：规则来源于大自然的进化。而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合。而这样的巧妙结合又是为什么呢？为什么在你眼前呈现的世界是如此栩栩如生呢？答案在于环境造就了这一切，之所以你看到栩栩如生的世界，是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了，被环境淘汰了！ 蚁群算法的由来：蚂蚁是地球上最常见、数量最多的昆虫种类之一，常常成群结队地出现在人类的日常生活环境中。这些昆虫的群体生物智能特征，引起了一些学者的注意。意大利学者，等人在观察蚂蚁的觅食习性时发现，蚂蚁总能找到巢穴与食物源之间的最短路径。经研究发现，蚂蚁的这种群体协作功能是通过一种遗留在其来往路径上的叫做信息素(Pheromone)的挥发性化学物质来进行通信和协调的。化学通信是蚂蚁采取的基本信息交流方式之一，在蚂蚁的生活习性中起着重要的作用。通过对蚂蚁觅食行为的研究，他们发现，整个蚁群就是通过这种信息素进行相互协作，形成正反馈，从而使多个路径上的蚂蚁都逐渐聚集到最短的那条路径上。这样，等人于1991年首先提出了蚁群算法。其主要特点就是：通过正反馈、分布式协作来寻找最优路径。这是一种基于种群寻优的启发式搜索算法。它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答。同时，该算法还被用于求解Job-Shop调度问题、二次指派问题以及多维背包问题等，显示了其适用于组合优化类问题求解的优越特征。多年来世界各地研究工作者对蚁群算法进行了精心研究和应用开发，该算法现已被大量应用于数据分析、机器人协作问题求解、电力、通信、水利、采矿、化工、建筑、交通等领域。蚁群算法之所以能引起相关领域研究者的注意，是因为这种求解模式能将问题求解的快速性、全局优化特征以及有限时间内答案的合理性结合起来。其中，寻优的快速性是通过正反馈式的信息传递和积累来保证的。而算法的早熟性收敛又可以通过其分布式计算特征加以避免，同时，具有贪婪启发式搜索特征的蚁群系统又能在搜索过程的早期找到可以接受的问题解答。这种优越的问题分布式求解模式经过相关领域研究者的关注和努力，已经在最初的算法模型基础上得到了很大的改进和拓展。经过一定时间，从食物源返回的蚂蚁到达D点同样也碰到障碍物，也需要进行选择。此时A, B两侧的信息素浓度相同，它们仍然一半向左，一半向右。但是当A侧的蚂蚁已经完全绕过障碍物到达C点时，B侧的蚂蚁由于需走的路径更长，还不能到达C点，图3表示蚁群在障碍物前经过一段时间后的情形。此时对于从蚁巢出发来到C点的蚂蚁来说，由于A侧的信息素浓度高，B侧的信息素较低，就倾向于选择A侧的路径。这样的结果是A侧的蚂蚁越来越多，最终所有蚂蚁都选择这条较短的路径，图4 表示蚁群最终选择的路径上述过程，很显然是由蚂蚁所留下的信息素的“正反馈”过程而导致的。蚂蚁个体就是通过这种信息的交流来达到搜索食物的目的。蚁群算法的基本思想也是从这个过程转化而来的。蚁群算法的特点：1)蚁群算法是一种自组织的算法。在系统论中，自组织和它组织是组织的两个基本分类，其区别在于组织力或组织指令是来自于系统的内部还是来自于系统的外部，来自于系统内部的是自组织，来自于系统外部的是他组织。如果系统在获得空间的、时间的或者功能结构的过程中，没有外界的特定干预，我们便说系统是自组织的。在抽象意义上讲，自组织就是在没有外界作用下使得系统熵减小的过程(即是系统从无序到有序的变化过程)。蚁群算法充分体现了这个过程，以蚂蚁群体优化为例子说明。当算法开始的初期，单个的人工蚂蚁无序的寻找解，算法经过一段时间的演化，人工蚂蚁间通过信息激素的作用，自发的越来越趋向于寻找到接近最优解的一些解，这就是一个无序到有序的过程。2)蚁群算法是一种本质上并行的算法。每只蚂蚁搜索的过程彼此独立，仅通过信息激素进行通信。所以蚁群算法则可以看作是一个分布式的多agent系统，它在问题空间的多点同时开始进行独立的解搜索，不仅增加了算法的可靠性，也使得算法具有较强的全局搜索能力。3)蚁群算法是一种正反馈的算法。从真实蚂蚁的觅食过程中我们不难看出，蚂蚁能够最终找到最短路径，直接依赖于最短路径上信息激素的堆积，而信息激素的堆积却是一个正反馈的过程。对蚁群算法来说，初始时刻在环境中存在完全相同的信息激素，给予系统一个微小扰动，使得各个边上的轨迹浓度不相同，蚂蚁构造的解就存在了优劣，算法采用的反馈方式是在较优的解经过的路径留下更多的信息激素，而更多的信息激素又吸引了更多的蚂蚁，这个正反馈的过程使得初始的不同得到不断的扩大，同时又引导整个系统向最优解的方向进化。因此，正反馈是蚂蚁算法的重要特征，它使得算法演化过程得以进行。4)蚁群算法具有较强的鲁棒性。相对于其它算法，蚁群算法对初始路线要求不高，即蚁群算法的求解结果不依赖于初始路线的选择，而且在搜索过程中不需要进行人工的调整。其次，蚁群算法的参数数目少，设置简单，易于蚁群算法应用到其它组合优化问题的求解。蚁群算法的应用进展以蚁群算法为代表的蚁群智能已成为当今分布式人工智能研究的一个热点，许多源于蜂群和蚁群模型设计的算法己越来越多地被应用于企业的运转模式的研究。美国五角大楼正在资助关于群智能系统的研究工作-群体战略(Swarm Strategy)，它的一个实战用途是通过运用成群的空中无人驾驶飞行器和地面车辆来转移敌人的注意力，让自己的军队在敌人后方不被察觉地安全进行。英国电信公司和美国世界通信公司以电子蚂蚁为基础，对新的电信网络管理方法进行了试验。群智能还被应用于工厂生产计划的制定和运输部门的后勤管理。美国太平洋西南航空公司采用了一种直接源于蚂蚁行为研究成果的运输管理软件，结果每年至少节约了1000万美元的费用开支。英国联合利华公司己率先利用群智能技术改善其一家牙膏厂的运转情况。美国通用汽车公司、法国液气公司、荷兰公路交通部和美国一些移民事务机构也都采用这种技术来改善其运转的机能。鉴于群智能广阔的应用前景，美国和欧盟均于近几年开始出资资助基于群智能模拟的相关研究项目，并在一些院校开设群体智能的相关课程。国内，国家自然科学基金”十五”期间学科交叉类优先资助领域中的认知科学及其信息处理的研究内容中也明确列出了群智能领域的进化、自适应与现场认知主题。蚁群优化算法最初用于解决TSP问题，经过多年的发展，已经陆续渗透到其他领域中，比如图着色问题、大规模集成电路设计、通讯网络中的路由问题以及负载平衡问题、车辆调度问题等。蚁群算法在若干领域己获得成功的应用，其中最成功的是在组合优化问题中的应用。在网络路由处理中，网络的流量分布不断变化，网络链路或结点也会随机地失效或重新加入。蚁群的自身催化与正向反馈机制正好符合了这类问题的求解特点，因而，蚁群算法在网络领域得到一定应用。蚁群觅食行为所呈现出的并行与分布特性使得算法特别适合于并行化处理。因而，实现算法的并行化执行对于大量复杂的实际应用问题的求解来说是极具潜力的。在某群体中若存在众多无智能的个体，它们通过相互之间的简单合作所表现出来的智能行为即称为集群智能(Swarm Intelligence)。互联网上的交流，不过是更多的神经元连接(人脑)通过互联网相互作用的结果，光缆和路由器不过是轴突和突触的延伸。从自组织现象的角度上看，人脑的智能和蚁群也没有本质上的区别，单个神经元没有智能可言，单个蚂蚁也没有，但是通过连接形成的体系，是一个智能体。（作者： 李精灵 编选：中国电子商务研究中心）
一：1、题目。应能概括整个论文最重要的内容，言简意赅，引人注目，一般不宜超过20个字。论文摘要和关键词。2、论文摘要应阐述学位论文的主要观点。说明本论文的目的、研究方法、成果和结论。尽可能保留原论文的基本信息，突出论文的创造性成果和新见解。而不应是各章节标题的简单罗列。摘要以500字左右为宜。关键词是能反映论文主旨最关键的词句，一般3-5个。3、目录。既是论文的提纲，也是论文组成部分的小标题，应标注相应页码。4、引言(或序言)。内容应包括本研究领域的国内外现状，本论文所要解决的问题及这项研究工作在经济建设、科技进步和社会发展等方面的理论意义与实用价值。5、正文。是毕业论文的主体。6、结论。论文结论要求明确、精炼、完整，应阐明自己的创造性成果或新见解，以及在本领域的意义。7、参考文献和注释。按论文中所引用文献或注释编号的顺序列在论文正文之后，参考文献之前。图表或数据必须注明来源和出处。(参考文献是期刊时，书写格式为：[编号]、作者、文章题目、期刊名(外文可缩写)、年份、卷号、期数、页码。参考文献是图书时，书写格式为：[编号]、作者、书名、出版单位、年份、版次、页码。)8、附录。包括放在正文内过份冗长的公式推导，以备他人阅读方便所需的辅助性数学工具、重复性数据图表、论文使用的符号意义、单位缩写、程序全文及有关说明等。
《博弈圣经》中《人类未知的蓝色档案》一文给出了博弈论的定义：“我们把动物利用大自然移动的瘾魂，在决策人期待的空间里，形成三维均衡的语文学理论，称为博弈论。”博弈圣经著作人说；博弈论是青年人的毒品，是无知者的兴奋剂，是沉默者的摇头丸。博弈论 就是张冠李戴 捕风捉影 以讹传讹《博弈圣经》【典故】讽刺博弈论的最高博弈水平有人问博弈圣经著作人，什么是博弈论。他回答说；博弈论就是，一问、二答、三无知。也就是说；问者无知、回答者无知、听者更无知。有人追问，到目前为止，那么多博弈论图书，那么多作者，他们的最高博弈水平是什么？博弈圣经著作人一听就笑了；目前他们的最高博弈水平，就是想卖给你一本书，赢你一本书钱。博弈圣经著作人通俗的谈；菜鸟与金鸟，一个人想变得伟大，从一个菜鸟变成一个金鸟，就要利用国家实体特性造个金鸟笼。日后，就可以在媒体的报道中、绘声绘色地描述那个金鸟笼；他是某某大学院校、某某著名教授、某某首席科学家、某某诺贝尔奖得主、甚至某某政府官员，他就自然地钻进了金鸟笼。博弈论理论，它是太过于急躁、太过于草率的理论。由于博弈论新奇、古怪、原始，一个“囚徒困境”的三维谜团像似神话，人们又错误地认为博弈论能够取胜，因此受到了人们盲目的吹捧和疯狂的参与。人们把博弈取胜的欲望作为动力，一个人有了欲望，就要有实现欲望的对象和背景，加上自己行为的结果，才能取得想要的东西。博弈竞争的欲望在远古就出现了。欲望的天性就是进行交往，建立行为二特性对局，就是博弈的合作。 但明眼的人都能看得出，他抄来的无效理论编成的一本本博弈论，就是张冠李戴、捕风捉影、“以讹传讹”，不管他从外国哪个地方抄来的，不管他抄了多少、编了多少本书、多少篇文章，究其低劣的学术品质，他仍然是一个菜鸟。假如博弈论大师，走出那个金鸟笼，再靠讲课赚大钱，靠卖书赚小钱，靠博弈取胜策略赚不到一毛钱，他就是，也许是一个罪犯。更为讽刺的是，一本本博弈论著作，古老的内容千篇一律，里面没有几句精彩的话，没有几个经典的词，更没有定理、定律、定义和法则。至今一个个博弈论专家、矛盾论专家、概率论专家和外行知道得一样多。
博弈逻辑(game logic)是随着博弈论的迅速发展而形成的一个新的学科，它是一行动逻辑。博弈逻辑研究的是理性的人在互动行动中即博弈中的推理问题。在博弈行为中存在演绎推理和归纳推理。正如在传统逻辑中存在逻辑悖论一样，博弈逻辑中同样存在悖论或者“问题”。博弈参与人运用演绎推理时存在逆向归纳法悖论，而运用归纳推理时存在归纳是否有效的问题。1一种新的逻辑：博弈逻辑博弈论研究人类活动中的互动行为，在经济学中得到广泛的运用。在博弈论中，人类的所有活动，只要是互动行为，均可以看成是博弈行动。在此基础上，一种新的逻辑“博弈逻辑”(game logic)得以兴起，它是一种特殊的行动逻辑(action logic)。博弈论研究多个理性人在互动过程中如何选择自己的策略。理性的人是使自己的目标或得益最大化的人，在经济活动中理性的人即是使经济目标最大化的人——经济人。理性人如何使得自己的“得益”最大？关键是“推理”。2博弈逻辑中的演绎推理与归纳推理博弈论有两个假定：第一，博弈参与人是理性的；第二，博弈参与人的得益不仅取决于自己的行动，同时取决于其他人的行动。每个理性的参与人在策略选取，使自己得益最大时，要充分考虑局中其他人的策略选取。同时，每个参与人知道其他参与人与他有同样的想法。在博弈中，“每个人是理性的”是公共知识(common knowledge)，它是每个参与人进行策略选择或者推理的前提。在1994年《美国经济评论》的题为《归纳论证和有界理性》一文中阿瑟提出了“酒吧问题”博弈，后来在1999年的著名的《科学》杂志上题为《复杂性和经济》一文又阐述了这个博弈。酒吧问题是指这样一个博弈：有一群人，比如总共有100人，每个周末均要决定，是去附近的一个酒吧活动还是呆在家里。该酒吧的容量是有限的，比如空间是有限的，或者座位是有限的。我们假定酒吧的容量是60人，或者说座位是60个。如果去酒吧的人数少于60，并且他也去了，他的决定就是正确的；或者，如果去酒吧的人超过60人，而他没有去——当然这只有事后才知道，他的决定也是正确的。否则，其决定是错误的。这里，我们假定他们之间不存在信息交流。我们看到，每个人根据对总的去酒吧人数的预测，而决定去酒吧与否。如果他预测去酒吧的人数超过60人，他将做出“不去酒吧”的决定，如果其预测不超过60人，他将做出“去酒吧”的决定。他们是如何做出预测呢？5结语逆向归纳法悖论只是博弈论中一个悖论而已，归纳的合理性也只是多主体互动时理性人进行归纳推理的一个问题。博弈论涉及许多关于推理的逻辑“问题”。本人希望我国有更多的逻辑研究人员参与到博弈逻辑的研究中来，逻辑学家参与到博弈论的研究定能够结出丰硕的研究成果。
博弈论是指某个个人或是组织，面对一定的环境条件，在一定的规则约束下，依靠所掌握的信息，从各自选择的行为或是策略进行选择并加以实施，并从各自取得相应结果或收益的过程，在经济学上博奕论是个非常重要的理论概念。 什么是博弈论？古语有云，世事如棋。生活中每个人如同棋手，其每一个行为如同在一张看不见的棋盘上布一个子，精明慎重的棋手们相互揣摩、相互牵制，人人争赢，下出诸多精彩纷呈、变化多端的棋局。博弈论是研究棋手们 “出棋” 着数中理性化、逻辑化的部分，并将其系统化为一门科学。换句话说，就是研究个体如何在错综复杂的相互影响中得出最合理的策略。事实上，博弈论正是衍生于古老的游戏或曰博弈如象棋、扑克等。数学家们将具体的问题抽象化，通过建立自完备的逻辑框架、体系研究其规律及变化。这可不是件容易的事情，以最简单的二人对弈为例，稍想一下便知此中大有玄妙：若假设双方都精确地记得自己和对手的每一步棋且都是最“理性” 的棋手，甲出子的时候，为了赢棋，得仔细考虑乙的想法，而乙出子时也得考虑甲的想法，所以甲还得想到乙在想他的想法，乙当然也知道甲想到了他在想甲的想法… 面对如许重重迷雾，博弈论怎样着手分析解决问题，怎样对作为现实归纳的抽象数学问题求出最优解、从而为在理论上指导实践提供可能性呢？现代博弈理论由匈牙利大数学家冯·诺伊曼于20世纪20年代开始创立，1944年他与经济学家奥斯卡·摩根斯特恩合作出版的巨著《博弈论与经济行为》，标志着现代系统博弈理论的初步形成。对于非合作、纯竞争型博弈，诺伊曼所解决的只有二人零和博弈--好比两个人下棋、或是打乒乓球，一个人赢一着则另一个人必输一着，净获利为零。在这里抽象化后的博弈问题是，已知参与者集合(两方) ，策略集合(所有棋着) ，和盈利集合(赢子输子) ，能否且如何找到一个理论上的“解” 或“平衡” ，也就是对参与双方来说都最“合理” 、最优的具体策略？怎样才是“合理” ？应用传统决定论中的“最小最大” 准则，即博弈的每一方都假设对方的所有功略的根本目的是使自己最大程度地失利，并据此最优化自己的对策，诺伊曼从数学上证明，通过一定的线性运算，对於每一个二人零和博弈，都能够找到一个“最小最大解” 。通过一定的线性运算，竞争双方以概率分布的形式随机使用某套最优策略中的各个步骤，就可以最终达到彼此盈利最大且相当。当然，其隐含的意义在於，这套最优策略并不依赖于对手在博弈中的操作。用通俗的话说，这个著名的最小最大定理所体现的基本“理性” 思想是“抱最好的希望，做最坏的打算” 。 2.在经济学中，“智*博弈”（Pigs’payoffs）是一个著名博弈论例子。 这个例子讲的是：*圈里有两头*，一头大*，一头小*。*圈的一边有个踏板，每踩一下踏板，在远离踏板的*圈的另一边的投食口就会落下少量的食物。如果有一只*去踩踏板，另一只*就有机会抢先吃到另一边落下的食物。当小*踩动踏板时，大*会在小*跑到食槽之前刚好吃光所有的食物；若是大*踩动了踏板，则还有机会在小*吃完落下的食物之前跑到食槽，争吃到另一半残羹。 那么，两只*各会采取什么策略？答案是：小*将选择“搭便车”策略，也就是舒舒服服地等在食槽边；而大*则为一点残羹不知疲倦地奔忙于踏板和食槽之间。 原因何在？因为，小*踩踏板将一无所获，不踩踏板反而能吃上食物。对小*而言，无论大*是否踩动踏板，不踩踏板总是好的选择。反观大*，已明知小*是不会去踩动踏板的，自己亲自去踩踏板总比不踩强吧，所以只好亲力亲为了。 “小*躺着大*跑”的现象是由于故事中的游戏规则所导致的。规则的核心指标是：每次落下的事物数量和踏板与投食口之间的距离。 如果改变一下核心指标，*圈里还会出现同样的“小*躺着大*跑”的景象吗？试试看。 改变方案一：减量方案。投食仅原来的一半分量。结果是小*大*都不去踩踏板了。小*去踩，大*将会把食物吃完；大*去踩，小*将也会把食物吃完。谁去踩踏板，就意味着为对方贡献食物，所以谁也不会有踩踏板的动力了。 如果目的是想让*们去多踩踏板，这个游戏规则的设计显然是失败的。 改变方案二：增量方案。投食为原来的一倍分量。结果是小*、大*都会去踩踏板。谁想吃，谁就会去踩踏板。反正对方不会一次把食物吃完。小*和大*相当于生活在物质相对丰富的“共产主义”社会，所以竞争意识却不会很强。 对于游戏规则的设计者来说，这个规则的成本相当高（每次提供双份的食物）；而且因为竞争不强烈，想让*们去多踩踏板的效果并不好。 改变方案三：减量加移位方案。投食仅原来的一半分量，但同时将投食口移到踏板附近。结果呢，小*和大*都在拼命地抢着踩踏板。等待者不得食，而多劳者多得。每次的收获刚好消费完。 对于游戏设计者，这是一个最好的方案。成本不高，但收获最大。 原版的“智*博弈”故事给了竞争中的弱者（小*）以等待为最佳策略的启发。但是对于社会而言，因为小*未能参与竞争，小*搭便车时的社会资源配置的并不是最佳状态。为使资源最有效配置，规则的设计者是不愿看见有人搭便车的，政府如此，公司的老板也是如此。而能否完全杜绝“搭便车”现象，就要看游戏规则的核心指标设置是否合适了。 比如，公司的激励制度设计，奖励力度太大，又是持股，又是期权，公司职员个个都成了百万富翁，成本高不说，员工的积极性并不一定很高。这相当于“智*博弈” 增量方案所描述的情形。但是如果奖励力度不大，而且见者有份（不劳动的“小*”也有），一度十分努力的大*也不会有动力了----就象“智*博弈”减量方案一所描述的情形。最好的激励机制设计就象改变方案三----减量加移位的办法，奖励并非人人有份，而是直接针对个人（如业务按比例提成），既节约了成本（对公司而言），又消除了“搭便车”现象，能实现有效的激励。 许多人并未读过“智*博弈”的故事，但是却在自觉地使用小*的策略。股市上等待庄家抬轿的散户；等待产业市场中出现具有赢利能力新产品、继而大举仿制牟取暴利的游资；公司里不创造效益但分享成果的人，等等。因此，对于制订各种经济管理的游戏规则的人，必须深谙“智*博弈”指标改变的个中道理。 3.背景知识：纳什博弈论的原理与应用 2002年03月21日17:44 北京晚报1950年和1951年纳什的两篇关于非合作博弈论的重要论文，彻底改变了人们对竞争和市场的看法。他证明了非合作博弈及其均衡解，并证明了均衡解的存在性，即著名的纳什均衡。从而揭示了博弈均衡与经济均衡的内在联系。纳什的研究奠定了现代非合作博弈论的基石，后来的博弈论研究基本上都沿着这条主线展开的。然而，纳什天才的发现却遭到冯·诺依曼的断然否定，在此之前他还受到爱因斯坦的冷遇。但是骨子里挑战权威、藐视权威的本性，使纳什坚持了自己的观点，终成一代大师。要不是30多年的严重精神病折磨，恐怕他早已 站在诺贝尔奖的领奖台上了，而且也绝不会与其他人分享这一殊荣。 纳什是一个非常天才的数学家，他的主要贡献是1950至1951年在普林斯顿读博士学位时做出的。然而，他的天才发现———非合作博弈的均衡，即“纳什均衡”并不是一帆风顺的。 1948年纳什到普林斯顿大学读数学系的博士。那一年他还不到20岁。当时普林斯顿可谓人杰地灵，大师如云。爱因斯坦、冯·诺依曼、列夫谢茨(数学系主任)、阿尔伯特·塔克、阿伦佐·切奇、哈罗德·库恩、诺尔曼·斯蒂恩罗德、埃尔夫·福克斯……等全都在这里。博弈论主要是由冯·诺依曼(1903—1957)创所立的。他是一位出生于匈牙利的天才的数学家。他不仅创立了经济博弈论，而且发明了计算机。早在20世纪初，塞梅鲁(Zermelo)、鲍罗(Borel)和冯·诺伊曼已经开始研究博弈的准确的数学表达，直到1939年，冯·诺依曼遇到经济学家奥斯卡·摩根斯特恩(Oskar Morgenstern)，并与其合作才使博弈论进入经济学的广阔领域。 1944年他与奥斯卡·摩根斯特恩合著的巨作《博弈论与经济行为》出版，标志着现代系统博弈理论的的初步形成。尽管对具有博弈性质的问题的研究可以追溯到19世纪甚至更早。例如，1838年古诺(Cournot)简单双寡头垄断博弈；1883年伯特兰和1925年艾奇沃奇思研究了两个寡头的产量与价格垄断；2000多年前中国著名军事家孙武的后代孙膑利用博弈论方法帮助田忌赛马取胜等等都属于早期博弈论的萌芽，其特点是零星的，片断的研究，带有很大的偶然性，很不系统。冯·诺依曼和摩根斯特恩的《博弈论与经济行为》一书中提出的标准型、扩展型和合作型博弈模型解的概念和分析方法，奠定了这门学科的理论基础。合作型博弈在20世纪50年代达到了巅峰期。然而，诺依曼的博弈论的局限性也日益暴露出来，由于它过于抽象，使应用范围受到很大限制，在很长时间里，人们对博弈论的研究知之甚少，只是少数数学家的专利，所以，影响力很有限。正是在这个时候，非合作博弈———“纳什均衡”应运而生了，它标志着博弈论的新时代的开始！纳什不是一个按部就班的学生，他经常旷课。据他的同学们回忆，他们根本想不起来曾经什么时候和纳什一起完完整整地上过一门必修课，但纳什争辩说，至少上过斯蒂恩罗德的代数拓扑学。斯蒂恩罗德恰恰是这门学科的创立者，可是，没上几次课，纳什就认定这门课不符合他的口味。于是，又走人了。然而，纳什毕竟是一位英才天纵的非凡人物，他广泛涉猎数学王国的每一个分支，如拓扑学、代数几何学、逻辑学、博弈论等等，深深地为之着迷。纳什经常显示出他与众不同的自信和自负，充满咄咄逼人的学术野心。1950年整个夏天纳什都忙于应付紧张的考试，他的博弈论研究工作被迫中断，他感到这是莫大的浪费。殊不知这种暂时的“放弃”，使原来模糊、杂乱和无绪的若干念头，在潜意识的持续思考下，逐步形成一条清晰的脉络，突然来了灵感！这一年的10月，他骤感才思潮涌，梦笔生花。其中一个最耀眼的亮点就是日后被称之为“纳什均衡”的非合作博弈均衡的概念。纳什的主要学术贡献体现在1950年和1951年的两篇论文之中(包括一篇博士论文)。1950年他才把自己的研究成果写成题为“非合作博弈”的长篇博士论文，1950年11月刊登在美国全国科学院每月公报上，立即引起轰动。说起来这全靠师兄戴维·盖尔之功，就在遭到冯·诺依曼贬低几天之后，他遇到盖尔，告诉他自己已经将冯·诺依曼的“最小最大原理”(minimax solution)推到非合作博弈领域，找到了普遍化的方法和均衡点。盖尔听得很认真，他终于意识到纳什的思路比冯·诺伊曼的合作博弈的理论更能反映现实的情况，而对其严密优美的数学证明极为赞叹。盖尔建议他马上整理出来发表，以免被别人捷足先登。纳什这个初出茅庐的小子，根本不知道竞争的险恶，从未想过要这么做。结果还是盖尔充当了他的“经纪人”，代为起草致科学院的短信，系主任列夫谢茨则亲自将文稿递交给科学院。纳什写的文章不多，就那么几篇，但已经足够了，因为都是精品中的精品。这一点也是值得我们深思的。国内提一个教授，要求在“核心的刊物”上发表多少篇文章。按照这个标准可能纳什还不一定够资格。 1996年诺贝尔经济学奖得主莫尔里斯当牛津大学艾奇沃思经济学讲座教授时也没有发表过什么文章，特殊的人才，必须有特殊的选拔办法。 纳什在上大学时就开始从事纯数学的博弈论研究，1948年进入普林斯顿大学后更是如鱼得水。20岁出头已成为闻名世界的数学家。特别是在经济博弈论领域，他做出了划时代的贡献，是继冯·诺依曼之后最伟大的博弈论大师之一。他提出的著名的纳什均衡的概念在非合作博弈理论中起着核心的作用。后续的研究者对博弈论的贡献，都是建立在这一概念之上的。由于纳什均衡的提出和不断完善为博弈论广泛应用于经济学、管理学、社会学、政治学、军事科学等领域奠定了坚实的理论基础。 囚犯的两难处境 大理论中的小故事 要了解纳什的贡献，首先要知道什么是非合作博弈问题。现在几乎所有的博弈论教科书上都会讲“囚犯的两难处境”的例子，每本书上的例子都大同小异。 博弈论毕竟是数学，更确切地说是运筹学的一个分支，谈经论道自然少不了数学语言，外行人看来只是一大堆数学公式。好在博弈论关心的是日常经济生活问题，所以不能不食人间烟火。其实这一理论是从棋弈、扑克和战争等带有竞赛、对抗和决策性质的问题中借用的术语，听上去有点玄奥，实际上却具有重要现实意义。博弈论大师看经济社会问题犹如棋局，常常寓深刻道理于游戏之中。所以，多从我们的日常生活中的凡人小事入手，以我们身边的故事做例子，娓娓道来，并不乏味。话说有一天，一位富翁在家中被杀，财物被盗。警方在此案的侦破过程中，抓到两个犯罪嫌疑人，斯卡尔菲丝和那库尔斯，并从他们的住处搜出被害人家中丢失的财物。但是，他们矢口否认曾杀过人，辩称是先发现富翁被杀，然后只是顺手牵羊偷了点儿东西。于是警方将两人隔离，分别关在不同的房间进行审讯。由地方检察官分别和每个人单独谈话。检察官说，“由于你们的偷盗罪已有确凿的证据，所以可以判你们一年刑期。但是，我可以和你做个交易。如果你单独坦白杀人的罪行，我只判你三个月的监禁，但你的同伙要被判十年刑。如果你拒不坦白，而被同伙检举，那么你就将被判十年刑，他只判三个月的监禁。但是，如果你们两人都坦白交代，那么，你们都要被判5年刑。”斯卡尔菲丝和那库尔斯该怎么办呢？他们面临着两难的选择——坦白或抵赖。显然最好的策略是双方都抵赖，结果是大家都只被判一年。但是由于两人处于隔离的情况下无法串供。所以，按照亚当·斯密的理论，每一个人都是从利己的目的出发，他们选择坦白交代是最佳策略。因为坦白交代可以期望得到很短的监禁———3个月，但前提是同伙抵赖，显然要比自己抵赖要坐10年牢好。这种策略是损人利己的策略。不仅如此，坦白还有更多的好处。如果对方坦白了而自己抵赖了，那自己就得坐10年牢。太不划算了！因此，在这种情况下还是应该选择坦白交代，即使两人同时坦白，至多也只判5年，总比被判10年好吧。所以，两人合理的选择是坦白，原本对双方都有利的策略(抵赖)和结局(被判1年刑)就不会出现。这样两人都选择坦白的策略以及因此被判5年的结局被称为“纳什均衡”，也叫非合作均衡。因为，每一方在选择策略时都没有“共谋”(串供)，他们只是选择对自己最有利的策略，而不考虑社会福利或任何其他对手的利益。也就是说，这种策略组合由所有局中人(也称当事人、参与者)的最佳策略组合构成。没有人会主动改变自己的策略以便使自己获得更大利益。“囚徒的两难选择”有着广泛而深刻的意义。个人理性与集体理性的冲突，各人追求利己行为而导致的最终结局是一个“纳什均衡”，也是对所有人都不利的结局。他们两人都是在坦白与抵赖策略上首先想到自己，这样他们必然要服长的刑期。只有当他们都首先替对方着想时，或者相互合谋(串供)时，才可以得到最短时间的监禁的结果。“纳什均衡”首先对亚当·斯密的“看不见的手”的原理提出挑战。按照斯密的理论，在市场经济中，每一个人都从利己的目的出发，而最终全社会达到利他的效果。不妨让我们重温一下这位经济学圣人在《国富论》中的名言：“通过追求(个人的)自身利益，他常常会比其实际上想做的那样更有效地促进社会利益。”从“纳什均衡”我们引出了“看不见的手”的原理的一个悖论：从利己目的出发，结果损人不利己，既不利己也不利他。两个囚徒的命运就是如此。从这个意义上说，“纳什均衡”提出的悖论实际上动摇了西方经济学的基石。因此，从“纳什均衡”中我们还可以悟出一条真理：合作是有利的“利己策略”。但它必须符合以下黄金律：按照你愿意别人对你的方式来对别人，但只有他们也按同样方式行事才行。也就是中国人说的“己所不欲勿施于人”。但前提是人所不欲勿施于我。其次，“纳什均衡”是一种非合作博弈均衡，在现实中非合作的情况要比合作情况普遍。所以“纳什均衡”是对冯·诺依曼和摩根斯特恩的合作博弈理论的重大发展，甚至可以说是一场革命。 从“纳什均衡”的普遍意义中我们可以深刻领悟司空见惯的经济、社会、政治、国防、管理和日常生活中的博弈现象。我们将例举出许多类似于“囚徒的两难处境”这样的例子。如价格战、军奋竞赛、污染等等。一般的博弈问题由三个要素所构成：即局中人(players)又称当事人、参与者、策略等等的集合，策略(strategies)集合以及每一对局中人所做的选择和赢得(payoffs)集合。其中所谓赢得是指如果一个特定的策略关系被选择，每一局中人所得到的效用。所有的博弈问题都会遇到这三个要素。 价格战博弈： 现在我们经常会遇到各种各样的家电价格大战，彩电大战、冰箱大战、空调大战、微波炉大战……这些大战的受益者首先是消费者。每当看到一种家电产品的价格大战，百姓都会“没事儿偷着乐”。在这里，我们可以解释厂家价格大战的结局也是一个“纳什均衡”，而且价格战的结果是谁都没钱赚。因为博弈双方的利润正好是零。竞争的结果是稳定的，即是一个“纳什均衡”。这个结果可能对消费者是有利的，但对厂商而言是灾难性的。所以，价格战对厂商而言意味着自杀。从这个案例中我们可以引伸出两个问题，一是竞争削价的结果或“纳什均衡”可能导致一个有效率的零利润结局。二是如果不采取价格战，作为一种敌对博弈论(vivalry game)其结果会如何呢？每一个企业，都会考虑采取正常价格策略，还是采取高价格策略形成垄断价格，并尽力获取垄断利润。如果垄断可以形成，则博弈双方的共同利润最大。这种情况就是垄断经营所做的，通常会抬高价格。另一个极端的情况是厂商用正常的价格，双方都可以获得利润。从这一点，我们又引出一条基本准则：“把你自己的战略建立在假定对手会按其最佳利益行动的基础上”。事实上，完全竞争的均衡就是“纳什均衡”或“非合作博弈均衡”。在这种状态下，每一个厂商或消费者都是按照所有的别人已定的价格来进行决策。在这种均衡中，每一企业要使利润最大化，消费者要使效用最大化，结果导致了零利润，也就是说价格等于边际成本。在完全竞争的情况下，非合作行为导致了社会所期望的经济效率状态。如果厂商采取合作行动并决定转向垄断价格，那么社会的经济效率就会遭到破坏。这就是为什么WTO和各国政府要加强反垄断的意义所在。 污染博弈： 假如市场经济中存在着污染，但政府并没有管制的环境，企业为了追求利润的最大化，宁愿以牺牲环境为代价，也绝不会主动增加环保设备投资。按照看不见的手的原理，所有企业都会从利己的目的出发，采取不顾环境的策略，从而进入“纳什均衡”状态。如果一个企业从利他的目的出发，投资治理污染，而其他企业仍然不顾环境污染，那么这个企业的生产成本就会增加，价格就要提高，它的产品就没有竞争力，甚至企业还要破产。这是一个“看不见的手的有效的完全竞争机制”失败的例证。直到20世纪90年代中期，中国乡镇企业的盲目发展造成严重污染的情况就是如此。只有在政府加强污染管制时，企业才会采取低污染的策略组合。企业在这种情况下，获得与高污染同样的利润，但环境将更好。 谢谢采纳
数学中，数列的教学思想是一座桥梁，能够将复杂的问题巧妙地转化成简单的解题方法，让教师在教学中和学生学习的过程中更清晰、更简洁。下面是我为你整理的高中数学数列论文，一起来看看吧。
【摘要】随着新课标在我国的全面实施，高中数学教学中心课改的理念如何体现，才能适应新课改的要求?成为高中数学教学实践的重点目标。高中数学数列方面的内容，是高中数学的基础内容，很多重要的数学问题通过数列都可得到圆满解决。因此教好数列、学好数列对提高学生未来解决数学问题的能力有重要的实践意义。从教师角度看，优良的数列教学课堂设计对教学目标和教学效果的实现举足轻重。
【关键词】高中数学;数列;课堂教学
高中数学中，数列占有很重要的教学地位，数列在数学领域隶属于离散函数的范畴，是解决现实中很多数学问题的重要工具。数列问题是高二年级数学教学的基础。数列问题学习可以培养学生对数学问题的思考、分析和归纳的能力。并对以后阶段的数学知识有启蒙作用。数学教师必须重视数列教学实践对学生的启发作用。
一、数列部分教学内容概述
数列这一部分主要介绍了数列的概念，并对数列根据其特点进行了分类。接着引出了数列通项的概念。高中二年级主要学习等差、等比数列的概念，通项公式，前n项和。并对数列在现实生活中的意义进行了介绍，主要有分期付款等储蓄问题。本章介绍的数学公式较多，主要涉及数列的通项公式和前n项和公式。教学中，对公式的推导过程和变形种类要重点讲解。以便让学生从数学原理的角度对数列的相关概念做深入理解。如何灵活的运用数列的性质来对综合性题目进行解答是本章的重点教学任务。数列的相关问题的认识，要贯穿函数的思想来向学生传递。
二、数列教学的有效性策略简析
数列的教学应该遵循有效性原则来进行。我们在教学中应该用先进的教学理念来指导教学。数学的思维模式主要是逻辑性思维为主，因此有效的方式方法一旦为学生所领会，那教学的过程会变得相当的容易。
1.对比数学问题，归纳共性特点，培养探究习惯和能力
在认识数列时，应该同时引入函数的动态认识数列的方法，利用对函数的研究方法来类比到数列问题中来。对于数列的表示法的讲解，可通过函数的表示方法引申过来。而对等差数列，等比数列的单调性性质，也可通过以往学过的函数的相关性质来类比讲解;在求和问题的最值研究中，可从抛物线等二次函数中的变量演化过程类比讲解求函数最值。等差数列和等比数列的概念、性质、通项等，我们可通过两个类型数列的异同点来进行研究。如：从数列的特点来说，前一项与后一项的之间的差异对等差数列来说，两项间是加减法的关系，每两项之间都相差一个固定的数值，而对等比数列来说，则是乘除法的关系，每相邻两项之间是倍数的关系。对中项的概念来说，等差中项概念与相邻项的关系同样的加减法的规则，而等比数列的中项则是插入一个固定比例的关系。而两个等差数列，仍然为等差数列。而两个等比数列的对应项的乘积也为等比数列。这种数列之间的项与项的数量关系的实质要为学生开解明白。
2.与其他数学知识相综合，建立数学知识体系的网络化综合化
数学中任何一个概念都不了独立的，在整个的数学知识体系里面，每个知识点都与其他的结点有关联性，因此在数列教学中，要把数列、函数、不等式、解析几何等概念有机的结合起来进行讲解。数列其实是函数的特殊化，研究函数有普遍性的意义，而研究数列是研究函数的特殊化。因此在数列教学中建立函数的概念，有助于改变学生的静态思维。另外还有，数列与不等式，数列与导数，数列与算法等的综合运用，都要在数列教学中对学生加以讲解。
3.通过练习和小测试来巩固课堂教学的效果
传统教学模式中，有一项是“题海战术”，可见习题在数学教学中的作用是不容忽视的。尽管目前的教育模式不支持教师对学生施以题海战术，但选取具有代表性的习题，开拓学生的数学思想和知识点延伸，是有极大好处的。首先通过习题，可以巩固学生的基础知识结构，加强知识点之间的有机结合，从而提高学生对数学问题的分析能力。举个简单的例子，求数列an-n。通过前面的知识的学习，我们可以知道，这道题目，分为两部分数列的综合计算而成。前半部分是一个等比数列，而后半部分，我们可以看成负自然数的数列。等比数列的求和公式是形成的，而自然数的和在初中的高斯定理就已学过，通过这样的拆解，为学生解答综合性的问题提供了行之有效的途径。其次，同样一个题目如果能，应当鼓励学生用更多的方法来进行解答，这样可以培养学生的发散性思维，在考试中碰到的问题即使一时想不出来，至少学生能够想到很多种解题的方案，这其中说不定就有通往正确答案的途径。第三，公式的变形要加强练习，只有这样，学生才能够触类旁通，同一类问题的解决途径往往稍加变形，但其解法本质上是殊途同归的，通过这种锻炼，学生解题的能力得到了很大的提高，学到的知识体系也进一步得到巩固。第四，题目解决了，并不是学习的终结，要培养学生“回头看题”的习惯。这种习惯的养成有助于学生对题目的知识点进行全面把握。
三、高中数学数列部分课堂教学设计要点
课堂教学设计是高中教学中的重中之重，课堂教学设计的水平在某种意义上决定了课堂教学的效果和学生学习的成果。在课堂教学方案的设计中，笔者通过多年的教学经验和实践认为应该包括以下要素：
1.要细致了解学生在数列学习和解决数列问题中的切身体验
应该说，学生之间对数学问题的认知和理解能力确实存在着差异性。到了高中阶段，学生们都经历了近十年的数学学习经历，长期的学习中会对某一类知识点相当的敏感，而对另外的一些知识点却有盲点。有的学生在逻辑思维方面有特长，而另外的一些学生对计算情有独钟，对知识点掌握程度的不同会造成学生解题习惯和解题思路的差异。教师在课堂教学设计中也充分考虑大部分学生的群体差异。
2.要注重数列部分概念本质的强化记忆和理解，对基础知识的传授要夯实，避免短板
数学中，不仅仅是数列，其他的概念也如此，其描述的方式，往往通过文字性的描述来说明。这种方式比较抽象，我们在设计课堂教学时，对概念性的东西要注意辅以实例来讲解。以便激发学生的猎奇心理和探索问题的欲望。
3.重视数学史渗透和用数学工具解决实际问题的能力
数学的发展史源远流长，每种数学问题的提出和最后的解决都有其历史的背景。数列教学中穿插数学史知识的传授，有利于学生对知识的来龙去脉在熟稔中学习。另外数学问题的提出往往有其实践的背景，或者是人民集体智慧的结晶，或者是某一时期特殊问题的解决之道，教师在课堂教学的过程中要努力挖掘现实问题的应用。学以致用，当学生认识到自己学习的数列知识在现实生活中确实能解决很多问题的时候，学习的欲望和学习的效果自然而然就出来了。
4.重视数列学习中组合学习的魅力
人以群分，物以类聚。在数学学习的过程中，教师应该将不同层次的学生进行分组，这种分组的教学行为，可以让学生在相同的起点上进行学习。通过对班级内不同的学生的特点和能力进行分析，对其学习的目标，任务等精心设置，发挥团队学习的效用。
5.教师应该注重自我提高，从别人的课堂教学中汲取营养
老师在教学中不能固步自封，应该走出去，在同事中加强听课和学习。完善自我的课程教学缺陷，在不断的学习中，但课堂教学方案日趋完美。
四、结束语
高中数学中数列的教学内容虽然比较少，但其教学思想却在高中数学中占有很重要的地位，数学教学，应当立足于学生对数学知识的学习特点，以先进的教学理论为指导，对课堂教学方案设计精益求精，才能获得应有的教学效果。
摘要：数列是高中数学教学中重要的内容，其在高中数学中占据着重要的地位，同时在生活中也具有非常大的应用价值。本文介绍了高中数学学习数列的重要性及新时期如何提高高中数学数列教学质量和学习能力。
关键词：高中数学;数列;教学
一、引言
在高中数学的数列教学的过程中，教师不但要让学生懂得数列问题的知识点，还要让学生能够根据掌握的相关知识熟练地解决数学问题。困此教师要以生为本，以学定教，让学生在不同的数学环境巾积极思考，推进能力的提升，并让学生在各种数学数列问题的训练中学会自主学习数学的能力。
二、高中数学数列教学体会
1、以生为本，以学定教
1)以生为本，实时掌握在数学教学过程中学生的基本的数学能力在高中数学数列教学的过程中不但每一个班的综合数学能力不同，而且就是同一个班级中的学生的数学能力也不尽相同。在这种条件下，教师不论是在新接手班级还是在教学的过程中，都要通过各种有效的数学考查方式掌握学生的实际能力，确定学生的数学层次。在这个基础上教师将不同的数学层次的学生组合成组，方便学生进行合作交流的学习。
2)以学定教，采用适合本班同学的数学教学方式进行有效教学
在高中数学数列教学的过程中，教师在选择教学方法以及教学策略的时候，要能根据本班同学的不同数学层次特点进行确定，教师要紧紧把握住学生旧知与新知的链接点，寻找能够激发学生主动思维的教学方式进行教学。同时教师还要善于选择学生喜欢的教学模式，引发学生主动探究、合作交流，并在教学的过程中要巧妙使用课堂生成，使教学能够在师生之间、生生之间的思维碰撞中引领学生对数学知识的掌握。
2、善用多媒体课件辅助教学，促使学生能够更好地理解数学知识
1)多媒体课件辅助教学具有传统的课堂教学所无法比拟的教学优势，在数列教学的过程中，很多数列问题如数列与不等式综合问题中的放缩问题、解决递推数列问题等数学问题，单凭教师一张嘴，一支粉笔并不容易将抽象的数学知识让学生透彻地理解。而在这个过程中随着信息时代的到来，计算机以及互联网络的使用让多媒体课件走入了高中数列教学的课堂。
2)多媒体课件辅助教学可以让学生更加直观地理解数学知识
教师巧妙利用多媒体课件进行教学，使原有的抽象的数学问题变得可观可感，能够最大限度地调动学生多种感官的有效参与，极大地提高了学生学习的积极性，使得学生能够在课堂上跟着教师的引导积极思维、主动探究。如：在人教版高中数学数列教学“等差数列的前n项和”的教学过程中，教师通过多媒体课件出尔：“有一堆钢管，最底下放了15根，上一层是14根，再上一层是13根，……最顶层是3根。这堆钢管共有多少根?”这个问题，同时教师出示钢管的图像，并在和学生讨论思考的过程中将讨论的结果逐步出示，或者将学生解决问题的不同方案通过多媒体课件有效地呈现出来，引发学生的积极思考，让学生能够更直观地看到不同的解题方法的过程，并在这个过程中获得数学能力的不断提升。如果教师只是采用传统的教学方式进行讲解的话，那么学生也许很难理解教师的教学思路。多媒体课件辅助教学大大提高了教师的教学效率，解决了学生对抽象的数学知识无法理解的难题，并促使学生能够在这个过程中，形成数学架构的时间的缩短。
3、高中数学数列教学的创新
数列、一般数列、等差数列、等比数列是高中数学数列教学的主要内容。其中，等差数列和等比数列是数列教学内容中的重点。主要包括对数列的定义、基本特点、通项公式、分类方法、具体应用等知识点的学习。传统的教学观念中，教学设计作为一种系统化过程，是用系统的教学方法将数列教学理论，同学习理论原理进行转换，使之成为教学活动和教学资料的具体计划。创新理念的数列教学设计解决了“教学成果”、“教学方法”、“教学目的”等问题，通过教学设计来解决教学问题，探究总结问题的解决方法和步骤，形成新的教学方案。并在新的教学方案实施以后及时的对教学效果进行分析，规划操作其过程程序，判断其实施的价值。这一过程也是教学优化的的过程，能够提高教学成果，创造出更加合理高效的教学方案。
(一)数列教学应注重问题情境的创设
为调动学生主动、合作、探索学习的积极性，实现师生互动，我们教师营造自主、合作、探索的学习环境显得很重要。在数列的教学中首先要注重数学问题情境的创设。我们创设问题情况可以考虑以下方面：学生的已有知识与生活经验及数学的趣味性、教学内容、新旧知识的衔接点以及自身的教学特色。
(二)创新理念下的“数学概念”
对数学对象本质属性进行反映的思维方式，是数列的数学概念。我们知道数列的概念是按一定次序排列的一列数称为数列。对一个数学概念的学习，应记住其名称、了解其涉及到的范围、简述其本质属性并运用其概念进行判断。数学概念包括等差数列、等比数列、通项公式和数列。
在对这些陈述性概念进行设计时，设计者应对上述概念体现的概念特点进行描述。并且在高中数学数列教学中，为了能够激发学生对数列学习的兴趣，体会数列实际应用的价值，则可以通过将生活中实际的问题引入到课程教学中，从而将抽象的数学知识转变为实际需要解决的问题，使学生学生对所要研究的内容有所认识。并且在数列学习中可以结合其他知识点进行学习。比如数列中蕴含的函数思想是研究数列的指导思想，应及早引导学生发现数列与函数的关系.在教学中强调数列的项是按一定顺序排列的，“次序”便是函数的自变量，相同的数组成的数列，次序不同则就是不同的数列，这样不仅能够引导学生通过多方面解决问题，而且对提高学生运用知识的能力也具有重要的意义。我们还以等差数列的定义教学为例，如：增加判断某数列是否成等差数列的题目来促进概念理解。再如：把一次函数和等差数列通项公式相联系，利用函数概念同化等差数列的概念，凸显函数思想;让学生自己列表、画图象，用“形”感受函数与数列之间联系;用方程与等差数列基本量的运算相结合来加深了对概念的理解和巩固。此外我们在教学中还要明理强化，实践探究，注重激励评价，引申探究。
遗传算法有比较强的全局搜索能力，特别是当交叉概率比较大时，能产生大量的新个体，提高了全局搜索范围，遗传算法适合求解离散问题，具备数学理论支持，但是存在着汉明悬崖等问题。 蚁群算法适合在图上搜索路径问题，计算开销会大。两者都是随机算法，只不过遗传算法是仿生学的算法；蚁群算法是数学算法，是应用目前最广的算法 。针对不同的研究方向，它所体现出来的优缺点是不一样的，将这两个算法混合，优势互补，提高优化性能，并且分别来求解离散空间的和连续空间的优化问题。 希望可以帮到您，望采纳！
遗传算法是一种智能优化算法，神经网络是人工智能算法的一种。可以将遗传算法用于神经网络的参数优化中。
都差不多，简单的算法而已，随便挑个就行。个人觉得蚁群容易点，挑个信息素就够了。
一个程序的核心在于算法。比如说打开一个软件和运行一个软件的速度在计算机硬件性能相同情况下，软件的算法起到了几近决定性作用，所有的计算机软件和硬件的编程都是需要算法的，就算一个hello world程序虽然我们编时候没有用到算法但是在编译他和运行再屏幕显示的时候就是算法了。算法是计算机乃至自然界的核心，如果知道人脑的算法，就可以制造出人工智能的软件。算法太多，也就不全部列举出来了，具体的还有用法，你自己看下书或去网上找下，都应该可以找到的：比如：贪心算法，蚁群算法，遗传算法，进化算法，基于文化的遗传算法，禁忌算法，蒙特卡洛算法，混沌随机算法，序贯数论算法，粒子群算法，模拟退火算法等等。
我来做任务的
论文摘要：文章针对侦察无人机航路规划这一问题，分析了影响航路规划的因素，构建了航路规划的模型。结合侦察无人机航路规划的特点与模型，论证了基于蚁群算法求解的理由与优点，并对蚁群算法的初始信息素强度与启发因子进行了改进。最后以岛屿进攻战役这一特定作战任务为例。利用MATLAB实现了侦察多目标时的航路规划问题。 引言 航路规划是指在目标点与起始点之间，为运动物体寻找满足某种性能指标和某些约束的线路、路径。目前对于航路规划的研究主要用于导弹、鱼雷、飞机等飞行器的飞行线路选择上，对于无人机的侦察航路的系统研究还不多见。在文献[3]中虽然也应用蚁群算法进行了航路规划，但没有充分考虑到威胁点存在和目标点价值对航路的影响，且对蚁群算法没有进行启发因子和信息素初始强度方面的创新。在相关外文文献中，由于美军无人机航程较大，其航路规划的约束条件就相对较少，可供借鉴的内容也很有限。而针对岛屿进攻战役这一特殊作战样式的研究更是尚属空白。本文正是基于这一背景下对该问题进行研究，以实现在充分发挥无人机最大作战效能的同时，又尽可能地降低无人机被毁伤概率。 1、影响航路规划的因素分析 影响侦察无人机航路规划的主要因素有如下四个方面。 目标价值 目标价值是衡量某一时刻对某一目标实施火力突击必要程度的综合指标(用Vm表示)。可采用层次分析法获得各个目标的价值Vm，也可以再进行归一化处理，得到各目标的相对价值系数Ku，以此来衡量目标的重要程度。 对不同的目标实施侦察时，对于价值较高的目标可安排更长的有效侦察时间，而对于价值相对较低的目标，则应适当压缩有效侦察时间。 有效飞行时间(距离) 侦察的主要目的是发现对己方有价值目标并及时描述目标的状态，因此发现目标的概率是航路是否合理的一个重要指标。距离目标越近，飞机上侦察设备能够搜索目标区的时间也就越长，发现目标的概率也就越大。 在执行侦察任务时，为了获得某一目标的有效信息，无人机必需接近目标并使目标处于其机载电子、光学侦察设备的作用距离内。如果为了实时监控某一目标，侦察无人机还必需在此目标的上空盘旋、停留，以使目标长时间地处于机载设备的监控之下。因此对目标的发现概率可以用有效飞行时间来表征。它表示侦察无人机对目标总的侦察、监控时间，为处理方便，若侦察无人机以等速率飞行，则其有效侦察飞行时间也可转变为有效飞行距离表征。 生存能力 侦察无人机要完成侦察任务就必须具备一定的生存能力。而其生存能力主要与侦察无人机的隐形规避性能、敌方雷达、防空武器的性能等相关。即侦察无人机的生存能力既受本身的易感性、易损性、可靠性影响，也受敌方的侦察探测和打击能力影响。 从侦察无人机完成飞行任务过程来看，包括发射、正常飞行和突破拦截三个过程，若用概率Pf、Pl、Ps表示三个过程的完成情况。 航程(油量)限制 航程是指侦察无人机起飞后，中途不经加油所能飞越的最大水平距离，即飞行距离。是表征侦察无人机远航和持久飞行能力的指标。由于其在地面一次所加的油量是有限的，因此它的航路必然受到航程的限制，且由于无线电的作用距离受限，飞机执行任务的位置不能超过其作战半径。 2、航路规划构模 侦察无人机多数情况下执行特定的侦察监视飞行任务，指挥员期望的目标是在有限的飞行时间与航程内发现尽可能多的目标，同时付出的代价最小。 就航路规划的约束条件而言，首先是威胁量不能超过指挥员的许可范围，其二，是侦察无人机总的飞行距离不能超过侦察无人机的航程。一旦两者之一不能成立，表明要求的任务是无法完成的，即 3、蚁群算法及其改进 蚁群算法作为一种新的计算模式引入人工智能领域，被称为蚂蚁系统，该系统基于以下假设： (1)蚂蚁之间通过环境进行通信。每只蚂蚁仅根据其周围的局部环境做出反应，也仅对其周围的局部环境产生影响； (2)蚂蚁对环境的反应由其内部模式决定； (3)在个体水平上，每只蚂蚁仅根据环境做出独立选择。在群体水平上，单只蚂蚁的行为是随机的，但蚁群通过自组织过程形成高度有序的群体行为。 基于蚁群算法进行航路规划的特点 基于蚁群算法的侦察无人机航路规划方法，能够保证在航路制订时得到一条具有较小可被探测概率及可接受航程的飞行航路，这种航路规划方法还具有以下特点：(1)在蚂蚁不断散布生物信息激素的加强作用下，新的信息会很快被加入到环境中，而由于生物信息激素的蒸发更新，旧的信息会不断被丢失，体现出一种动态特性； (2)最优路线是通过众多蚂蚁的合作被搜索得到的，并成为大多数蚂蚁所选择的路线，这一过程具有协同性； (3)由于许多蚂蚁在环境中感受散布的生物信息激素同时自身也散发生物信息激素，这使得不同的蚂蚁会有不同的选择策略，具有分布性。这些特点与未来战场的许多要求是相符的，因而采用蚁群算法对侦察无人机的航路进行规划具有可行性与前瞻性。 蚁群算法的改进 (1)ij(t)的初值 为了更好的考虑威胁，在定义在初始条件下定义轨迹强度不同，根据蚂蚁选择路线最优选择轨迹强度高的路线，而无人机的航路规划中则应该更优的选择距离威胁点较远的航路。那么可以定义轨迹的初始强度与距离成反比。即与威胁点越近的路线，信息素强度越小。对于两目标点间的每条路径，其信息素轨迹初始强度。 4、基于改进蚁群算法的侦察无人机航路规划的实现 航路规划的初始条件 蚁群算法用于航路规划主要运用在对多目标实施搜索侦察的航路规划问题，即航路规划需要得出的是飞行经过各个目标的数量和次序，以使侦察无人机经过尽可能多的目标点。 在进行初始规划的过程中，为更方便蚁群算法的实现，首先确定坐标系，将上述各目标点及威胁点用坐标系来表示，这样可以便于实际的运算。 假设在岛屿进攻战役中以某市为坐标点(100，100)的位置，以3公里为1个坐标系单位长度建立平面直角坐标系(这是在充分考虑了将主要有价值点都包括在一个(120×120)的范围内而合理构建的)。则可以确定上述各点的坐标系位置，得到各点坐标。同时各个目标点的价值系数通过层次分析法可求得到结果(具体过程略)。 蚁群算法模型的实现 蚁周系统的各初始参量的确定 为计算和表示方便，将目标点定义为向量Mi(其中i＝1，2，3，…，12)，威胁点定义为向量Ti(其中i＝1，2，3)。采用蚁群算法实现目标点的类旅行商(TSP，Traveling Salesman Problem)问题，目前已经开发的蚁群算法包括蚁密系统、蚁量系统和蚁周系统，而实际应用多数应用后者。为模拟系统中蚂蚁行为的方便，定义标记。 蚁群算法模型分析 通过比较的方法，定性分析各个情况下的目标函数值和航路规划图。不难发现在考虑了目标点价值和威胁点威胁的情况下，航路尽可能地避开了威胁并优先选择通过目标价值较大的点。这样无人机的被毁伤概率较低，且如果发生被毁伤事件时，已经发现的总体目标价值最大。 针对四种情况进行定量分析，假设指挥员的倾向性为，即略侧重于考虑威胁代价。2000表示对每个目标的有效侦察距离均为2000m，计算目标函数的值，可见考虑完备时虽然航路总长最大但总体的目标函数值也最大，航程最优，即侦察无人机应按照依次通过这些目标点。 5、结束语 通过上述分析，在给定侦察无人机的侦察任务情况下经运算可求得最优的初始航路，它可以有效地提高无人机的侦察效能，降低无人机的被毁伤概率，它对于目前军事斗争准备中如何使用侦察无人机具有一定的指导意义。随着我军侦察无人机性能的提高及型号的不断丰富，在对未来岛屿进攻战役中如何对这些机型进行航路规划尚有待于进一步探讨。
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。下面详细说明：1、范围：蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。2、环境：蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让信息素消失。3、觅食规则：在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁都会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。4、移动规则：每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。5、避障规则：如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。6、播撒信息素规则：每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少。 根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过信息素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒信息素，当其它的蚂蚁经过它附近的时候，就会感觉到信息素的存在，进而根据信息素的指引找到了食物。