把太空理论研究方向投向佛教，在佛经中探索宇宙的源头】
最后一个名号“佛”，佛陀就叫做桑杰。三世动不动，尽及不尽法，道树下悉知，是故名为佛，佛陀在整个现在、过去、未来三世间当中，动和不动——动是有情世界，不动是器世界；还有尽和不尽，包括灭的法、不灭的法，常有的法、无常的法，显现的法、不明显的法，有为法、无为法……所有万事万物，三世的法，佛陀在菩提树下大彻大悟的时候，全部像庵摩罗果放在手中一样，没有不知的，全悉通达，通彻无碍，大彻大悟。佛是觉悟，自觉觉他，大觉悟者。
佛陀知道世界是怎么来的、世界的本体是怎么样的，也知道最后世界的后际。它的边际是什么样的，唯一佛陀知道这个道。世间当中所谓的天文学家、科学家，他们可能知道当时部分的状况，但实际上真正完全了知整个世间前际、后际，胜义、世俗两方面的真相，唯一是佛陀。https://t.cn/A6fnCSTF
最后一个名号“佛”，佛陀就叫做桑杰。三世动不动，尽及不尽法，道树下悉知，是故名为佛，佛陀在整个现在、过去、未来三世间当中，动和不动——动是有情世界，不动是器世界；还有尽和不尽，包括灭的法、不灭的法，常有的法、无常的法，显现的法、不明显的法，有为法、无为法……所有万事万物，三世的法，佛陀在菩提树下大彻大悟的时候，全部像庵摩罗果放在手中一样，没有不知的，全悉通达，通彻无碍，大彻大悟。佛是觉悟，自觉觉他，大觉悟者。
佛陀知道世界是怎么来的、世界的本体是怎么样的，也知道最后世界的后际。它的边际是什么样的，唯一佛陀知道这个道。世间当中所谓的天文学家、科学家，他们可能知道当时部分的状况，但实际上真正完全了知整个世间前际、后际，胜义、世俗两方面的真相，唯一是佛陀。https://t.cn/A6fnCSTF
GTW钢头娃《街头霸王5》春季赛线上预选赛北部赛区终于迎来了最后阶段的比赛！周四周五分别进行了C组和D组的比赛，紧跟着今晚就要进行北部赛区八强的最终决战。比赛中有欢笑有精彩，同时也伴随着意外，周五的D组比赛就是如此。
周五D组的比赛中，xiaoji99更换卡琳发挥出色一路获胜，取得了胜者组决赛冠军的好成绩。但他并不是卡琳玩家，还没有这么优秀的实力，对此玩家和观众也产生了疑问。经过核实，xiaoji99周五的比赛实际为好友代打，该行为属于作弊，故直接取消本次比赛资格和成绩。通过沟通了解，xiaoji99并非出于功利意图，而是希望多参与到比赛中支持赛事。虽然出发点很单纯，但这样的代打行为绝不可取，也不能容忍。
由于对D组之前成绩不认可，组内选手们进行投票，以少数服从多数的民选方式确定D组比赛重打，为保证所有玩家的权益，这也是最好的选择，也得到了选手玩家们的认可。
钢头娃赛事组再次明确声明，绝不允许任何代打、外挂等作弊行为出现在任何由钢头娃举办的格斗游戏赛事中，一经发现直接取消结果和比赛资格，必将维护所有参赛的利益，也必将努力保证赛事的公平公正。也希望所有格斗游戏爱好者在参赛前仔细阅读比赛规则和注意事项，尊重比赛尊重对手，同时也尊重自己。
周四的C组比赛中，参赛选手“高桥逵介”和“龙行天下”作为C组强有力的竞争者，由于时间冲突无法参加比赛非常可惜。这就让出线大热门“球球”变得顺风顺水，一路顺利战胜对手获得了晋级八强胜者组的名额。但第一场本想使用本田自信对战“marble”的沙加特，一上来被牵制的死死的，最后求稳还是掏出了绝对主力尤利安2比1获得胜利。险些翻车的节目效果为紧张的比赛带来了欢乐，感谢两位选手的精彩发挥。
经过一番厮杀败者组的比赛更加激烈。“黑羽”作为国内顶尖ALEX玩家本次比赛发挥优秀，虽然在胜者组输给了“杂技初”的拳王，但败者组凶狠的打法让对手吃尽了苦头。对阵“街舞哥”的狮子明显对策不足，再加上“街舞哥”曼妙的舞步，小狮子活蹦乱跳打乱了“黑羽”的阵脚。虽然输掉了比赛，但“黑羽”凶狠的打法风格已经被大家牢牢记住。
“jigsaw”的表现也是很出色，首场失利直接进入了败者组，同时也明白了自己“丹”还需要更多的历练。在败者组的比赛果断使用主力彩虹美华真是大放异彩，连胜4场均已2比0的战胜对手，而且还打败了将自己打入败者组的“杂技初”，复仇成功。美华的熟练度和套路都是非常优秀，展现出了强劲的实力。但命运就是这么相似，跟“黑羽”一样，同样败者组碰上了顶尖狮子玩家“街舞哥”，从没有打过这个角色的他一下子没了方向，完全打不出自己该有的风格特点，最后也是无奈落败。也说明了格斗游戏不仅仅要会打某个角色，更应该学会打所有角色，这样才会变得更强。
“万隆王粉丝”其实也是本组内非常强力的玩家，作为北方知名的ken玩家，专业的精神造就更多的细节，对策完善打法稳定，让他在胜者组仅仅输给了“球球”掉入败者组。最后一场再次与“街舞哥”相遇。胜者组比赛中开始被骗了很多次升龙，好在自己调整速度很快，成功2比1翻盘。这一次败者组再次相遇，对策基本完善，也不会盲目升龙提升风险。“街舞哥”的套路被一一看破，大胆尝试也被对策，最终“万隆王粉丝”凭借过硬的实力和优秀的调整能力双杀“街舞哥”成功晋级到北部赛区八强。
D组比赛由于有玩家代打情况出现，导致成绩不公平，群内玩家经投票决定重新比赛。虽然已经晚上10点半了，但重赛是对比赛的尊重，更是对所有玩家权益的保证，公平公正的比赛才会让所有选手所认可。虽然重赛的比赛没有进行直播，但选手们拖着疲惫的身体依旧热情满满进行比赛。
对阵情况不变重赛的情况下，“二线良心玩家军爷”全程使用丹这个搞笑角色，一路战胜各路好手获得了晋级赛区八强胜者组的资格，”军爷“也如愿以偿使用丹打入了赛区八强，恭喜他。
败者组比赛中“Zeus“和”耗油根“都表现出色，一路战胜对手表现非常亮眼。”Zeus“的狮子在国内绝对是顶尖水平，无奈在胜者组对阵”流水“的比赛中网络冲突很不理想，在不稳定的网络环境中惜败给”流水“掉入败者组非常可惜。败者组遇上自己的好基友”耗油根“又以1比2输掉了比赛，遗憾离开了比赛。也许是精力耗尽发挥失常，希望”Zeus“下一次能表现得更棒取得更好的成绩。
“耗油根“败者组决赛相遇流水，同样遇到了网络问题，在并不是很顺畅的情况下进行比赛。最终也是遗憾的输掉了比赛，非常无奈。”流水“水平绝对很强这一点毫无疑问，网络问题也是实在无奈。也能看得出”流水“适应能力确实出色，同样受网络影响也会尽可能发挥出水平，最后也是获得了晋级八强的最后一个名额。
D组经过一番鏖战，终于在凌晨1点15分全部结束，也终于得到了公平公正的最终成绩。在此，真心希望国内格斗游戏电子竞技能够健康发展，为格斗游戏爱好者们带来更多优质的赛事。不管什么理由，也请大家千万不要做违反比赛规则的事情，尊重赛事，尊重对手，也尊重自己。
北部赛区八强的对阵情况已经更新，相信今晚的比赛会异常精彩激烈。从角色上看，春丽、尤利安、本田、嘉米、丹、叉子、阿比盖尔、ken还有拳王，根本没有重复的角色，八强玩家角色使用也是五花八门。最终谁能晋级春季线下赛决赛呢？今晚19：30拭目以待！
感谢所有参赛选手、观众朋友们以及全国格斗游戏爱好者对GTW钢头娃格斗游戏赛事的大力支持与鼓励。
请大家多多关注GTW钢头娃官方公众号和微博官方账号“GTW钢头娃”，第一时间获取更多精彩赛事信息。#电竞# #格斗# #街霸# #街头霸王# #电竞赛事#
周五D组的比赛中，xiaoji99更换卡琳发挥出色一路获胜，取得了胜者组决赛冠军的好成绩。但他并不是卡琳玩家，还没有这么优秀的实力，对此玩家和观众也产生了疑问。经过核实，xiaoji99周五的比赛实际为好友代打，该行为属于作弊，故直接取消本次比赛资格和成绩。通过沟通了解，xiaoji99并非出于功利意图，而是希望多参与到比赛中支持赛事。虽然出发点很单纯，但这样的代打行为绝不可取，也不能容忍。
由于对D组之前成绩不认可，组内选手们进行投票，以少数服从多数的民选方式确定D组比赛重打，为保证所有玩家的权益，这也是最好的选择，也得到了选手玩家们的认可。
钢头娃赛事组再次明确声明，绝不允许任何代打、外挂等作弊行为出现在任何由钢头娃举办的格斗游戏赛事中，一经发现直接取消结果和比赛资格，必将维护所有参赛的利益，也必将努力保证赛事的公平公正。也希望所有格斗游戏爱好者在参赛前仔细阅读比赛规则和注意事项，尊重比赛尊重对手，同时也尊重自己。
周四的C组比赛中，参赛选手“高桥逵介”和“龙行天下”作为C组强有力的竞争者，由于时间冲突无法参加比赛非常可惜。这就让出线大热门“球球”变得顺风顺水，一路顺利战胜对手获得了晋级八强胜者组的名额。但第一场本想使用本田自信对战“marble”的沙加特，一上来被牵制的死死的，最后求稳还是掏出了绝对主力尤利安2比1获得胜利。险些翻车的节目效果为紧张的比赛带来了欢乐，感谢两位选手的精彩发挥。
经过一番厮杀败者组的比赛更加激烈。“黑羽”作为国内顶尖ALEX玩家本次比赛发挥优秀，虽然在胜者组输给了“杂技初”的拳王，但败者组凶狠的打法让对手吃尽了苦头。对阵“街舞哥”的狮子明显对策不足，再加上“街舞哥”曼妙的舞步，小狮子活蹦乱跳打乱了“黑羽”的阵脚。虽然输掉了比赛，但“黑羽”凶狠的打法风格已经被大家牢牢记住。
“jigsaw”的表现也是很出色，首场失利直接进入了败者组，同时也明白了自己“丹”还需要更多的历练。在败者组的比赛果断使用主力彩虹美华真是大放异彩，连胜4场均已2比0的战胜对手，而且还打败了将自己打入败者组的“杂技初”，复仇成功。美华的熟练度和套路都是非常优秀，展现出了强劲的实力。但命运就是这么相似，跟“黑羽”一样，同样败者组碰上了顶尖狮子玩家“街舞哥”，从没有打过这个角色的他一下子没了方向，完全打不出自己该有的风格特点，最后也是无奈落败。也说明了格斗游戏不仅仅要会打某个角色，更应该学会打所有角色，这样才会变得更强。
“万隆王粉丝”其实也是本组内非常强力的玩家，作为北方知名的ken玩家，专业的精神造就更多的细节，对策完善打法稳定，让他在胜者组仅仅输给了“球球”掉入败者组。最后一场再次与“街舞哥”相遇。胜者组比赛中开始被骗了很多次升龙，好在自己调整速度很快，成功2比1翻盘。这一次败者组再次相遇，对策基本完善，也不会盲目升龙提升风险。“街舞哥”的套路被一一看破，大胆尝试也被对策，最终“万隆王粉丝”凭借过硬的实力和优秀的调整能力双杀“街舞哥”成功晋级到北部赛区八强。
D组比赛由于有玩家代打情况出现，导致成绩不公平，群内玩家经投票决定重新比赛。虽然已经晚上10点半了，但重赛是对比赛的尊重，更是对所有玩家权益的保证，公平公正的比赛才会让所有选手所认可。虽然重赛的比赛没有进行直播，但选手们拖着疲惫的身体依旧热情满满进行比赛。
对阵情况不变重赛的情况下，“二线良心玩家军爷”全程使用丹这个搞笑角色，一路战胜各路好手获得了晋级赛区八强胜者组的资格，”军爷“也如愿以偿使用丹打入了赛区八强，恭喜他。
败者组比赛中“Zeus“和”耗油根“都表现出色，一路战胜对手表现非常亮眼。”Zeus“的狮子在国内绝对是顶尖水平，无奈在胜者组对阵”流水“的比赛中网络冲突很不理想，在不稳定的网络环境中惜败给”流水“掉入败者组非常可惜。败者组遇上自己的好基友”耗油根“又以1比2输掉了比赛，遗憾离开了比赛。也许是精力耗尽发挥失常，希望”Zeus“下一次能表现得更棒取得更好的成绩。
“耗油根“败者组决赛相遇流水，同样遇到了网络问题，在并不是很顺畅的情况下进行比赛。最终也是遗憾的输掉了比赛，非常无奈。”流水“水平绝对很强这一点毫无疑问，网络问题也是实在无奈。也能看得出”流水“适应能力确实出色，同样受网络影响也会尽可能发挥出水平，最后也是获得了晋级八强的最后一个名额。
D组经过一番鏖战，终于在凌晨1点15分全部结束，也终于得到了公平公正的最终成绩。在此，真心希望国内格斗游戏电子竞技能够健康发展，为格斗游戏爱好者们带来更多优质的赛事。不管什么理由，也请大家千万不要做违反比赛规则的事情，尊重赛事，尊重对手，也尊重自己。
北部赛区八强的对阵情况已经更新，相信今晚的比赛会异常精彩激烈。从角色上看，春丽、尤利安、本田、嘉米、丹、叉子、阿比盖尔、ken还有拳王，根本没有重复的角色，八强玩家角色使用也是五花八门。最终谁能晋级春季线下赛决赛呢？今晚19：30拭目以待！
感谢所有参赛选手、观众朋友们以及全国格斗游戏爱好者对GTW钢头娃格斗游戏赛事的大力支持与鼓励。
请大家多多关注GTW钢头娃官方公众号和微博官方账号“GTW钢头娃”，第一时间获取更多精彩赛事信息。#电竞# #格斗# #街霸# #街头霸王# #电竞赛事#
建模四大模型
优化模型
1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。1.2 微分方程组模型阻滞增长模型、SARS传播模型。
1.3 图论与网络优化问题
最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型
决策模型、随机存储模型、随机人口模型、报童问题、Markov链模型。
1.5 组合优化经典问题
1.5.1 多维背包问题(MKP)
背包问题：个物品，对物品，体积为，背包容量为。如何将尽可能多的物品装入背包。
多维背包问题：个物品，对物品，价值为，体积为，背包容量为。如何选取物品装入背包，是背包中物品的总价值最大。
多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于难问题。
1.5.2 二维指派问题(QAP)
工作指派问题：个工作可以由个工人分别完成。工人完成工作的时间为。如何安排使总工作时间最小。
二维指派问题（常以机器布局问题为例）：台机器要布置在个地方，机器与之间的物流量为，位置与之间的距离为，如何布置使费用最小。
二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
1.5.3 旅行商问题(TSP)
旅行商问题：有个城市，城市与之间的距离为，找一条经过个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。
1.5.4 车辆路径问题(VRP)
车辆路径问题（也称车辆计划）：已知个客户的位置坐标和货物需求，在可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP问题是VRP问题的特例。
1.5.5 车间作业调度问题(JSP)
车间调度问题：存在个工作和台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。如何求得从第一个操作开始到最后一个操作结束的最小时间间隔。
分类模型
判别分析是在已知研究对象分成若干类型并已经取得各种类型的一批已知样本的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析。
聚类分析则是给定的一批样品，要划分的类型实现并不知道，正需要通过局内分析来给以确定类型的。
2.1 判别分析
2.1.1 距离判别法
基本思想：首先根据已知分类的数据，分别计算各类的重心即分组(类)的均值，判别准则是对任给的一次观测，若它与第类的重心距离最近，就认为它来自第类。
至于距离的测定，可以根据实际需要采用欧氏距离、马氏距离、明科夫距离等。
2.1.2 Fisher判别法
基本思想：从两个总体中抽取具有个指标的样品观测数据，借助方差分析的思想构造一个判别函数或称判别式。其中系数确定的原则是使两组间的区别最大，而使每个组内部的离差最小。
对于一个新的样品，将它的p个指标值代人判别式中求出 y 值，然后与判别临界值(或称分界点(后面给出)进行比较，就可以判别它应属于哪一个总体。在两个总体先验概率相等的假设下，判别临界值一般取：最后，用统计量来检验判别效果，若则认为判别有效，否则判别无效。
以上描述的是两总体判别，至于多总体判别方法则需要加以扩展。
Fisher判别法随着总体数的增加，建立的判别式也增加，因而计算比较复杂。
2.1.3 Bayes判别法
基本思想：假定对所研究的对象有一定的认识，即假设个总体中，第个总体的先验概率为，概率密度函数为。利用bayes公式计算观测样品来自第个总体的后验概率，当时，将样本判为总体。
2.1.4 逐步判别法
基本思想与逐步回归法类似，采用“有进有出”的算法，逐步引入变量，每次引入一个变量进入判别式，则同时考虑在较早引入判别式的某些作用不显著的变量剔除出去。
2.2 聚类分析
聚类分析是一种无监督的分类方法，即不预先指定类别。
根据分类对象不同，聚类分析可以分为样本聚类（Q型）和变量聚类（R型）。样本聚类是针对观测样本进行分类，而变量聚类则是试图找出彼此独立且有代表性的自变量，而又不丢失大部分信息。变量聚类是一种降维的方法。
2.2.1 系统聚类法（分层聚类法）
基本思想：开始将每个样本自成一类；然后求两两之间的距离，将距离最近的两类合成一类；如此重复，直到所有样本都合为一类为止。
适用范围：既适用于样本聚类，也适用于变量聚类。并且距离分类准则和距离计算方法都有多种，可以依据具体情形选择。
2.2.2 快速聚类法（K-均值聚类法）
基本思想：按照指定分类数目，选择个初始聚类中心；计算每个观测量（样本）到各个聚类中心的距离，按照就近原则将其分别分到放入各类中；重新计算聚类中心，继续以上步骤；满足停止条件时（如最大迭代次数等）则停止。
使用范围：要求用户给定分类数目，只适用于样本聚类（Q型），不适用于变量聚类（R型）。
2.2.3 两步聚类法（智能聚类方法）
基本思想：先进行预聚类，然后再进行正式聚类。
适用范围：属于智能聚类方法，用于解决海量数据或者具有复杂类别结构的聚类分析问题。可以同时处理离散和连续变量，自动选择聚类数，可以处理超大样本量的数据。
2.2.4 模糊聚类分析
2.2.5 与遗传算法、神经网络或灰色理论联合的聚类方法
2.3 神经网络分类方法
评价模型
3.1 层次分析法(AHP)
基本思想：是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层，并通过人们的判断对决策方案的优劣进行排序，在此基础上进行定性和定量分析。它把人的思维过程层次化、数量化，并用数学为分析、决策、评价、预报和控制提供定量的依据。
基本步骤：构建层次结构模型；构建成对比较矩阵；层次单排序及一致性检验（即判断主观构建的成对比较矩阵在整体上是否有较好的一致性）；层次总排序及一致性检验（检验层次之间的一致性）。
优点：它完全依靠主观评价做出方案的优劣排序，所需数据量少，决策花费的时间很短。从整体上看，AHP在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使决策过程具有很强的条理性和科学性，特别适合在社会经济系统的决策分析中使用。
缺点：用AHP进行决策主观成分很大。当决策者的判断过多地受其主观偏好影响，而产生某种对客观规律的歪曲时，AHP的结果显然就靠不住了。
适用范围：尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。要使AHP的决策结论尽可能符合客观规律，决策者必须对所面临的问题有比较深入和全面的认识。另外，当遇到因素众多，规模较大的评价问题时，该模型容易出现问题，它要求评价者对问题的本质、包含的要素及其相互之间的逻辑关系能掌握得十分透彻，否则评价结果就不可靠和准确。
改进方法：
(1) 成对比较矩阵可以采用德尔菲法获得。
(2) 如果评价指标个数过多（一般超过9个），利用层次分析法所得到的权重就有一定的偏差，继而组合评价模型的结果就不再可靠。可以根据评价对象的实际情况和特点，利用一定的方法，将各原始指标分层和归类，使得每层各类中的指标数少于9个。
3.2 灰色综合评价法（灰色关联度分析）
基本思想：灰色关联分析的实质就是，可利用各方案与最优方案之间关联度大小对评价对象进行比较、排序。关联度越大，说明比较序列与参考序列变化的态势越一致，反之，变化态势则相悖。由此可得出评价结果。
基本步骤：建立原始指标矩阵；确定最优指标序列；进行指标标准化或无量纲化处理；求差序列、最大差和最小差；计算关联系数；计算关联度。 优点：是一种评价具有大量未知信息的系统的有效模型，是定性分析和定量分析相结合的综合评价模型，该模型可以较好地解决评价指标难以准确量化和统计的问题，可以排除人为因素带来的影响，使评价结果更加客观准确。整个计算过程简单，通俗易懂，易于为人们所掌握;数据不必进行归一化处理，可用原始数据进行直接计算，可靠性强；评价指标体系可以根据具体情况增减；无需大量样本，只要有代表性的少量样本即可。 缺点：要求样本数据且具有时间序列特性；只是对评判对象的优劣做出鉴别，并不反映绝对水平，故基于灰色关联分析综合评价具有“相对评价”的全部缺点。
适用范围：对样本量没有严格要求，不要求服从任何分布，适合只有少量观测数据的问题；应用该种方法进行评价时，指标体系及权重分配是一个关键的问题，选择的恰当与否直接影响最终评价结果。 改进方法： (1) 采用组合赋权法：根据客观赋权法和主观赋权法综合而得权系数。 (2) 结合TOPSIS法：不仅关注序列与正理想序列的关联度，而且关注序列与负理想序列的关联度，依据公式计算最后的关联度。
优化模型
1.1 数学规划模型线性规划、整数线性规划、非线性规划、多目标规划、动态规划。1.2 微分方程组模型阻滞增长模型、SARS传播模型。
1.3 图论与网络优化问题
最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。
1.4 概率模型
决策模型、随机存储模型、随机人口模型、报童问题、Markov链模型。
1.5 组合优化经典问题
1.5.1 多维背包问题(MKP)
背包问题：个物品，对物品，体积为，背包容量为。如何将尽可能多的物品装入背包。
多维背包问题：个物品，对物品，价值为，体积为，背包容量为。如何选取物品装入背包，是背包中物品的总价值最大。
多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于难问题。
1.5.2 二维指派问题(QAP)
工作指派问题：个工作可以由个工人分别完成。工人完成工作的时间为。如何安排使总工作时间最小。
二维指派问题（常以机器布局问题为例）：台机器要布置在个地方，机器与之间的物流量为，位置与之间的距离为，如何布置使费用最小。
二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。
1.5.3 旅行商问题(TSP)
旅行商问题：有个城市，城市与之间的距离为，找一条经过个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。
1.5.4 车辆路径问题(VRP)
车辆路径问题（也称车辆计划）：已知个客户的位置坐标和货物需求，在可供使用车辆数量及运载能力条件的约束下，每辆车都从起点出发，完成若干客户点的运送任务后再回到起点，要求以最少的车辆数、最小的车辆总行程完成货物的派送任务。
TSP问题是VRP问题的特例。
1.5.5 车间作业调度问题(JSP)
车间调度问题：存在个工作和台机器，每个工作由一系列操作组成，操作的执行次序遵循严格的串行顺序，在特定的时间每个操作需要一台特定的机器完成，每台机器在同一时刻不能同时完成不同的工作，同一时刻同一工作的各个操作不能并发执行。如何求得从第一个操作开始到最后一个操作结束的最小时间间隔。
分类模型
判别分析是在已知研究对象分成若干类型并已经取得各种类型的一批已知样本的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分析。
聚类分析则是给定的一批样品，要划分的类型实现并不知道，正需要通过局内分析来给以确定类型的。
2.1 判别分析
2.1.1 距离判别法
基本思想：首先根据已知分类的数据，分别计算各类的重心即分组(类)的均值，判别准则是对任给的一次观测，若它与第类的重心距离最近，就认为它来自第类。
至于距离的测定，可以根据实际需要采用欧氏距离、马氏距离、明科夫距离等。
2.1.2 Fisher判别法
基本思想：从两个总体中抽取具有个指标的样品观测数据，借助方差分析的思想构造一个判别函数或称判别式。其中系数确定的原则是使两组间的区别最大，而使每个组内部的离差最小。
对于一个新的样品，将它的p个指标值代人判别式中求出 y 值，然后与判别临界值(或称分界点(后面给出)进行比较，就可以判别它应属于哪一个总体。在两个总体先验概率相等的假设下，判别临界值一般取：最后，用统计量来检验判别效果，若则认为判别有效，否则判别无效。
以上描述的是两总体判别，至于多总体判别方法则需要加以扩展。
Fisher判别法随着总体数的增加，建立的判别式也增加，因而计算比较复杂。
2.1.3 Bayes判别法
基本思想：假定对所研究的对象有一定的认识，即假设个总体中，第个总体的先验概率为，概率密度函数为。利用bayes公式计算观测样品来自第个总体的后验概率，当时，将样本判为总体。
2.1.4 逐步判别法
基本思想与逐步回归法类似，采用“有进有出”的算法，逐步引入变量，每次引入一个变量进入判别式，则同时考虑在较早引入判别式的某些作用不显著的变量剔除出去。
2.2 聚类分析
聚类分析是一种无监督的分类方法，即不预先指定类别。
根据分类对象不同，聚类分析可以分为样本聚类（Q型）和变量聚类（R型）。样本聚类是针对观测样本进行分类，而变量聚类则是试图找出彼此独立且有代表性的自变量，而又不丢失大部分信息。变量聚类是一种降维的方法。
2.2.1 系统聚类法（分层聚类法）
基本思想：开始将每个样本自成一类；然后求两两之间的距离，将距离最近的两类合成一类；如此重复，直到所有样本都合为一类为止。
适用范围：既适用于样本聚类，也适用于变量聚类。并且距离分类准则和距离计算方法都有多种，可以依据具体情形选择。
2.2.2 快速聚类法（K-均值聚类法）
基本思想：按照指定分类数目，选择个初始聚类中心；计算每个观测量（样本）到各个聚类中心的距离，按照就近原则将其分别分到放入各类中；重新计算聚类中心，继续以上步骤；满足停止条件时（如最大迭代次数等）则停止。
使用范围：要求用户给定分类数目，只适用于样本聚类（Q型），不适用于变量聚类（R型）。
2.2.3 两步聚类法（智能聚类方法）
基本思想：先进行预聚类，然后再进行正式聚类。
适用范围：属于智能聚类方法，用于解决海量数据或者具有复杂类别结构的聚类分析问题。可以同时处理离散和连续变量，自动选择聚类数，可以处理超大样本量的数据。
2.2.4 模糊聚类分析
2.2.5 与遗传算法、神经网络或灰色理论联合的聚类方法
2.3 神经网络分类方法
评价模型
3.1 层次分析法(AHP)
基本思想：是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层，并通过人们的判断对决策方案的优劣进行排序，在此基础上进行定性和定量分析。它把人的思维过程层次化、数量化，并用数学为分析、决策、评价、预报和控制提供定量的依据。
基本步骤：构建层次结构模型；构建成对比较矩阵；层次单排序及一致性检验（即判断主观构建的成对比较矩阵在整体上是否有较好的一致性）；层次总排序及一致性检验（检验层次之间的一致性）。
优点：它完全依靠主观评价做出方案的优劣排序，所需数据量少，决策花费的时间很短。从整体上看，AHP在复杂决策过程中引入定量分析，并充分利用决策者在两两比较中给出的偏好信息进行分析与决策支持，既有效地吸收了定性分析的结果，又发挥了定量分析的优势，从而使决策过程具有很强的条理性和科学性，特别适合在社会经济系统的决策分析中使用。
缺点：用AHP进行决策主观成分很大。当决策者的判断过多地受其主观偏好影响，而产生某种对客观规律的歪曲时，AHP的结果显然就靠不住了。
适用范围：尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的场合。要使AHP的决策结论尽可能符合客观规律，决策者必须对所面临的问题有比较深入和全面的认识。另外，当遇到因素众多，规模较大的评价问题时，该模型容易出现问题，它要求评价者对问题的本质、包含的要素及其相互之间的逻辑关系能掌握得十分透彻，否则评价结果就不可靠和准确。
改进方法：
(1) 成对比较矩阵可以采用德尔菲法获得。
(2) 如果评价指标个数过多（一般超过9个），利用层次分析法所得到的权重就有一定的偏差，继而组合评价模型的结果就不再可靠。可以根据评价对象的实际情况和特点，利用一定的方法，将各原始指标分层和归类，使得每层各类中的指标数少于9个。
3.2 灰色综合评价法（灰色关联度分析）
基本思想：灰色关联分析的实质就是，可利用各方案与最优方案之间关联度大小对评价对象进行比较、排序。关联度越大，说明比较序列与参考序列变化的态势越一致，反之，变化态势则相悖。由此可得出评价结果。
基本步骤：建立原始指标矩阵；确定最优指标序列；进行指标标准化或无量纲化处理；求差序列、最大差和最小差；计算关联系数；计算关联度。 优点：是一种评价具有大量未知信息的系统的有效模型，是定性分析和定量分析相结合的综合评价模型，该模型可以较好地解决评价指标难以准确量化和统计的问题，可以排除人为因素带来的影响，使评价结果更加客观准确。整个计算过程简单，通俗易懂，易于为人们所掌握;数据不必进行归一化处理，可用原始数据进行直接计算，可靠性强；评价指标体系可以根据具体情况增减；无需大量样本，只要有代表性的少量样本即可。 缺点：要求样本数据且具有时间序列特性；只是对评判对象的优劣做出鉴别，并不反映绝对水平，故基于灰色关联分析综合评价具有“相对评价”的全部缺点。
适用范围：对样本量没有严格要求，不要求服从任何分布，适合只有少量观测数据的问题；应用该种方法进行评价时，指标体系及权重分配是一个关键的问题，选择的恰当与否直接影响最终评价结果。 改进方法： (1) 采用组合赋权法：根据客观赋权法和主观赋权法综合而得权系数。 (2) 结合TOPSIS法：不仅关注序列与正理想序列的关联度，而且关注序列与负理想序列的关联度，依据公式计算最后的关联度。
✋热门推荐