应用随机过程学习汇总
应用随机过程学习汇总
————————————————————————————————作者：————————————————————————————————日期：
应用随机过程学习总结
一、预备知识：概率论
随机过程属于概率论的动态部分，即随机变量随时间不断发展变化的过程，它以概率论作为主要的基础知识。
1、概率空间方面，主要掌握sigma代数和可测空间，在随机过程中由总体样本空间所构成的集合族。符号解释： sup表示上确界， inf表示下确界。
本帖隐藏的内容
2、数字特征、矩母函数与特征函数：随机变量完全由其概率分布来描述。其中由于概率分布较难确定，因此通常计算随机变量的数字特征来估算分布总体，而矩母函数和特征函数便用于随机变量的N阶矩计算，同时唯一的决定概率分布。
3、独立性和条件期望：独立随机变量和的分布通常由卷积来表示，对于同为分布函数的两个函数，卷积可以交换顺序，同时满足结合律和分配率。条件期望中，最重要的是理解并记忆E(X) = E[E(X|Y)] = intergral(E(X|Y=y))dFY(y)。
二、随机过程基本概念和类型
随机过程是概率空间上的一族随机变量。因为研究随机过程主要是研究其统计规律性，由Kolmogorov定理可知，随机过程的有限维分布族是随机过程概率特征的完整描述。同样，随机过程的有限维分布也通过某些数值特征来描述。
1、平稳过程，通常研究宽平稳过程：如果X(t1)和X(t2)的自协方差函数
r(t1,t2)=r(0,t-s)均成立，即随机过程X(t)的协方差函数r(t,s)只与时间差
t-s有关，r(t) = r(-t)记为宽平稳随机过程。
因为一条随机序列仅仅是随机过程的一次观察，那么遍历性问题便是希望将随即过程的均值和自协方差从这一条样本路径中估计出来，因此宽平稳序列只需满足其均值遍历性原理和协方差遍历性原理即可。
2、独立增量过程：若X[Tn]– X[T(n-1)]对任意n均相互独立，则称X(t)是独立增量过程。若独立增量过程的特征函数具有可乘性，则其必为平稳增量过程。
兼有独立增量和平稳增量的过程称为平稳独立增量过程，其均值函数一定是时间t的线性函数。
3、随机过程的分类不是绝对的。例如，泊松过程既具有独立增量又有平稳增量，既是连续时间的马尔科夫链，又是一类特殊的更新过程。参数为lambda 的泊松过程减去其均值函数同时还是一个鞅。
三、泊松过程
计数过程｛N(t), t>=0｝是参数为λ的泊松过程（λ> 0），具有平稳独立增量性。而其任意时间长度t发生的次数服从均值为λ* t的泊松分布，即E[N(t)]= λ* t。
1、与泊松过程有关的若干分布：Xn表示第n次与第n-1次事件发生的时间间隔，定义Tn表示第n次事件发生的时刻，规定T0= 0。其中，
Xn服从参数为λ的指数分布，且相互独立。泊松过程在任何时候都是重新开始。Tn服从参数为n和λ的Γ分布
四、更新过程
更新过程{N(t),t>=0}中Xn仍保持独立同分布性，但分布任意，不再局限于指数分布。更新过程中事件发生一次叫做一次更新，此时Xn就是第n-1次和第n次更新相距的时间，Tn是第n次更新发生的时刻，而N(t)就是t时刻之前发生的总的更新次数。
由强大数定理可知，无穷多次更新只可能在无限长的时间内发生。因此，有限长时间内最多只能发生有限次更新。
1、更新函数：更新理论中大部分内容都是有关E[N(t)]的性质。以M(t)记为E[N(t)]，称为更新函数。此时，M(t)是关于t的函数而不是随机变量。
2、更新方程：若H(t)，F(t)为已知，且当t<0时，H(t)与F(t)均为0，同时当H(t)在任何区间上有界时，称具有如下形式的方程K(t) = H(t) + intergral(K(t-s)*dF(s))的方程称为更新方程。当H(t)为有界函数时，更新方程存在唯一的有限区间内的有界的解K(t) = H(t) + intergral(H(t-s)*dM(s))。
3、更新定理：Feller初等定理、Blackwell更新定理、关键更新定理。其中Blackwell定理指出，在远离原点的某长度为a的区间内，更新次数的期望是a/u，u = E(Xn)。同时，Smith关键更新定理与Blackwell定理等价。
五、马尔科夫链
马尔科夫链中的转移概率为条件概率，同时给定过去的状态X0，…，Xn-1和现在的状态Xn，将来的状态Xn+1的条件分布与过去的状态独立，只依赖于现在的状态。其中，Pij = P{Xn+1=j | Xn=i}为马尔科夫链的一步转移概率，它代表处于状态i的过程下一步转移到状态j的概率。
当转移概率Pij只与状态i，j有关而与n无关时，称为时齐马尔科夫链，同时当状态有限时，称为有限链。转移概率矩阵中概率非负，同时随机矩阵中每一行的元素和为1。
记Pij(n)为n步转移概率，它指系统从状态i经过n步后转移到状态j的概率，而对中间n-1步转移经过的状态无要求。对n步转移概率和转移矩阵，有C-K
方程公式。
1. 状态的分类和性质：如果状态i经过n步转移后到达j的概率大于0，称状态i可达状态j。若同时状态j可达状态i，则称i与j互通，两两互通的状态有传递性。我们将互通的各个状态归为一类，自己和自己互通，当一个马尔科夫链中只有一类时称为不可约类，否则则是可约类。
如果状态i可以经过n步回到i状态，则将所有n的最大公约数记为状态i的周期，即d(i)，如果d>1，则称i是周期的，如果d=1则为非周期，空集时为无穷大。同属于一类的两状态周期相同。
记状态i出发经n步后首次到达j的概率为Fij(n)，则所有可能n的概率Fij(n)加起来的和记为Fij。若Fij=1，i为常返状态，Fij< 1，i为非常返状态或瞬时状态。对于常返状态i，记Ui为从i第一次回到i的期望步长，若Ui有限，称i为正常返状态，若趋于无穷大，则为零常返状态。若正常返状态i同时还是非周期的，则称之为遍历状态。若遍历状态且Fii(1)=1，则称为吸收状态，此时Ui=1。
对于同属于一类的状态i，j，他们同为常返状态或非常返状态，并且当他们是常返状态时，又同为正常返状态或零常返状态。状态i至j的n步转移概率与首达概率间存在一定关系。同时若i与j互通且i为常返状态，则Fji = 1。
2. 极限定理及平稳分布：马尔科夫链的极限情况即状态i经过无穷多步转移后到达i的概率是多少。有结论，若状态i是周期为d的常返状态，则Pii(nd) = d/Ui，即经过无穷多步后回到i的概率为常数，上述定理对Pij也有效。同时，不可约的有限马尔科夫链是正常返的。
若对于马尔科夫链Pj = P(Xn = j) = sum(Pi*Pij)，则概率分布Pj为平稳分布。因为此时，对于任意Xn均有相同的分布。同时，对于遍历的马尔科夫链，极限分布就是平稳分布并且还是唯一的平稳分布。极限分布即为很长时间后，无论最开始状态如何，最终达到某一状态的概率。若对于遍历的马尔科夫链，该概率是稳定的趋于常数。
3. 连续时间马尔科夫链、Kolmogorov微分方程
六、鞅
鞅的定义是从条件期望出发，如果每次赌博的输赢机会是均等的，并且赌博策略依赖于前面的赌博结果，赌博是“公平的”。因此，任何赌博者都不可能通过改变赌博策略将公平的赌博变成有利于的赌博。如果将“鞅”描述的是“公平”的赌博，下鞅和上鞅分别描述了“有利”赌博与“不利”赌博。
随机过程｛Sn, n>=0｝称为Fn=sigma{X0,X1,…,Xn}适应的，如果对任意n>=0，Sn是Fn可测的，即Sn可以表示为X0,X1,X2,…,Xn的函数
1. 鞅的停时定理：任意随机函数T是关于{Xn，n>=0}的停时，即{T=n}应由n时刻及其之前的信息完全确定，而不需要也无法借助将来的情况，同时T必须是一个停时。同时，{T<=n}和{T>=n}也由n时刻及其之前的信息完全确定。若T和S是两个停时，则 T+S，min{T,S}和max{T,S}也是停时。
则在一直Fn完全信息的前提下，有界停时的期望赌本与初始赌本相同。特别的，当完全信息未知时，有界停时的期望赌本与初始赌本的期望相同。
2. 鞅的一致可积性：如果对任意ε>0，存在δ>0，使得对任意A，当P(A)<δ时，有E(|Xn|Ia) <ε对任意n成立。一致可积条件一般较难验证，因此存在两个一致可积的充分条件。
3. 鞅的收敛定理：在很一般的情况下，鞅｛Mn｝会收敛到一个随机变量。即对于｛Mn, n>=0｝是关于｛Xn, n>=0｝的鞅，并且存在常数C有限，使得E(|Mn|) 4. 连续鞅：停时定理，收敛定理。 七、布朗运动 若B(0)=0，{B(t),t>=0}有平稳独立增量，对每个t>0，B(t)服从正态分布N(0, t)称之为标准布朗运动。布朗运动的二次变差[B,B](t) = t。 布朗运动是满足以下三点性质的随即过程，即对于B(t)-B(s) ~ N(0,t-s)， B(t)-B(s)服从均值为0，方差为t-s的正态分布。当s=0时，B(t)-B(0)~N(0,t)。并且，对任意0& lt;=s 1. 高斯过程：有限维分布是多元正态分布的随机过程。布朗运动是一种特殊的高斯过程，即B(t)的任何有限维分布都是正态的。 2. ｛B(t)｝是鞅，｛B(t)^2 - t｝是鞅：即如果连续鞅｛X(t)｝使得｛X(t)^2 - t｝也是鞅，则｛X(t)｝是布朗运动。 3. 布朗运动｛B(t)｝具有马尔科夫性，容易得到B(t+s)在给定条件Ft=sigma(B(0),B(1),…,B(t))下的分布与在给定条件 B(t)下的分布是一致的。同时由布朗运动具有时齐性，即分布不随时间的平移而变化可知，布朗运动的所有有限维分布都是时齐的。 4. 布朗运动的最大值变量及反正弦率：即求始于y点的布朗运动在区间(a,b)中至少有一个零点的概率为布朗运动的反正弦率。 5. 几何布朗运动X(t) = exp｛B(t)｝为几何布朗运动。在金融市场中，人们经常假定股票价格是按照几何布朗运动而发生变化。 八、随机积分 1. 布朗运动的积分，Ito积分过程，Ito公式，随机微分方程 2. Black-Scholes模型 应用随机过程学习总结 一、预备知识：概率论 随机过程属于概率论的动态部分，即随机变量随时间不断发展变化的过程，它以概率论作为主要的基础知识。 1、概率空间方面，主要掌握sigma代数和可测空间，在随机过程中由总体样本空间所构成的集合族。符号解释： sup表示上确界， inf表示下确界。 本帖隐藏的内容 2、数字特征、矩母函数与特征函数：随机变量完全由其概率分布来描述。其中由于概率分布较难确定，因此通常计算随机变量的数字特征来估算分布总体，而矩母函数和特征函数便用于随机变量的N阶矩计算，同时唯一的决定概率分布。 3、独立性和条件期望：独立随机变量和的分布通常由卷积来表示，对于同为分布函数的两个函数，卷积可以交换顺序，同时满足结合律和分配率。条件期望中，最重要的是理解并记忆E(X) = E[E(X|Y)] = intergral(E(X|Y=y))dFY(y)。 二、随机过程基本概念和类型 随机过程是概率空间上的一族随机变量。因为研究随机过程主要是研究其统计规律性，由Kolmogorov定理可知，随机过程的有限维分布族是随机过程概率特征的完整描述。同样，随机过程的有限维分布也通过某些数值特征来描述。 1、平稳过程，通常研究宽平稳过程：如果X(t1)和X(t2)的自协方差函数 r(t1,t2)=r(0,t-s)均成立，即随机过程X(t)的协方差函数r(t,s)只与时间差 t-s有关，r(t) = r(-t)记为宽平稳随机过程。 因为一条随机序列仅仅是随机过程的一次观察，那么遍历性问题便是希望将随即过程的均值和自协方差从这一条样本路径中估计出来，因此宽平稳序列只需满足其均值遍历性原理和协方差遍历性原理即可。 2、独立增量过程：若X[Tn]– X[T(n-1)]对任意n均相互独立，则称X(t)是独立增量过程。若独立增量过程的特征函数具有可乘性，则其必为平稳增量过程。 兼有独立增量和平稳增量的过程称为平稳独立增量过程，其均值函数一定是时间t的线性函数。 第一章绪论 计算机图形学的基本概念 计算机图形学：是研究怎样用数字计算机生成、处理和显示图形的一门学科。 图形：计算机图形学的研究对象。 构成图形的要素：几何要素——几何属性（点、线、面、体） 非几何要素——视觉属性（明暗、灰度、色彩、纹理、透明性、线型、线宽） 表示图形的方法：点阵表示；参数表示 研究内容 计算机中表示图形、以及利用计算机进行图形的计算、处理和显示的相关原理与算法，构成了计算机图形学的主要研究内容。 图形硬件、图形标准、图形交互技术、光栅图形生成算法、曲线曲面造型、实体造型、真实感图形计算与显示算法，以及科学计算可视化、计算机动画、自然景物仿真、虚拟现实等。 计算机图形学的应用 图形用户界面；计算机辅助设计与制造（CAD/CAM）；4 科学计算的可视化：CT； 真实感图形实时绘制与自然景物仿真；地理信息系统（GIS）；Virtual Reality（虚拟现实、灵境）；事务和商务数据的图形显示；地形地貌和自然资源的图形显示 过程控制及系统环境模拟；电子出版及办公自动化；计算机动画及广 告 计算机艺术；科学计算的可视化；工业模拟；计算机辅助教学 当前研究热点： 1.真实感图形实时绘制 2.野外自然景物的模拟3 与计算机网络技术的紧密结合 4 计算机动画 5 用户接口 6 计算机艺术 7 并行图形处理 所熟悉的图形软件包 图形软件的标准 GKS (Graphics Kernel System) (第一个官方标准，1977) PHIGS(Programmer’s Herarchical Iuteractive Graphics system) 一些非官方图形软件，广泛应用于工业界，成为事实上的标准 DirectX (MS) Xlib(X-Window系统) OpenGL(SGI) Adobe公司Postscript CAGD（Computer Aided Geometric Design） 图形系统的功能1．计算功能2．存储功能3．对话功能4．输入功能5．输出功能 图形输入设备 1 键盘和鼠标 2 跟踪球和空间球 3 光笔 4 数字化仪 5 触摸板 6 扫描仪 遵义师范学院课程教学大纲 应用随机过程教学大纲 （试行） 课程编号：280020 适用专业：统计学 学时数：48 学分数：____________ 2.5_______ 执笔人：黄建文审核人：_____________________ 系别：数学教研室：统计学教研室 编印日期：二?一五年七月 课程名称：应用随机过程 课程编码： 学分：2.5 总学时：48 课堂教学学时：32 实践学时：16 适用专业：统计学先修课程：高等数学、线性代数、概率论、测度论或者实变函数（自学） 一、课程的性质与目标： （一）该课程的性质 《应用随机过程》课程是普通高等学校统计学专业必修课程。它是在学生掌握了数学分析、线性代数和概率论等一定的数学专业理论知识的基础上开设的，要求学生掌握随机过程的基本理论和及其研究方法。 （二）该课程的教学目标 （1）从生活中的需要出发，结合研究随机现象客观规律性的特点，并根据随机过程的内容和知识结构，着重从随机过程的基本理论和基本方法出发，就实际应用中的典型随机过程做应用研究，并在理论、观点和方法上予以总结、提高及应用。 （2）对各个章节的教学，随机过程侧重于基本思想和基本方法的探讨，介绍随机过程的基本概念，建立以分布函数等研究相关问题概率的实际应用思路，寻求解决统计和随机过程问题的方法。着重基本思想及方法的培养和应用。 （3）结合学生实际，利用生活中的实例进行分析，培养学生的辩证唯物主义观点。 二、教学进程安排 三、教学内容与要求 第一章预备知识 【教学目标】 通过本章的学习，复习并扩展概率论课程的内容，为学习随机过程打下良好的基础，提供必备的数学工具。 【教学内容和要求】 随机过程以概率论为其主要的基础知识，为此，本章主要对概率空间；随机 变量与分布函数；随机变量的数字特征、矩母函数与特征函数；独立性和条件期望；随机变量序列的收敛性与极限定理等常用到的概率论基本知识作简要的回顾和扩展。其中概率空间，矩母函数和特征函数的定义及性质、条件期望、收敛性、极限定理等既是本章的重点，又是本章的难点。 【课外阅读资料】 《应用随机过程》，林元烈编，清华大学出版社。 【作业】 0, x W0 1. 已知连续型随机变量X的分布函数为F（x） = *Aarcsinx, 0 反走样：在光栅显示器上显示图形时，直线段或图形边界或多或少会呈锯齿状。原因是图形信号是连续的，而在光栅显示系统中，用来表示图形的却是一个个离散的象素。这种用离散量表示连续量引起的失真现象称之为走样；用于减少或消除这种效果的技术称为反走样 反走样方法主要有：提高分辨率、区域采样和加权区域采样 提高分辨率：把显示器分辨率提高一倍，锯齿宽度也减小了一倍，所以显示出的直线段看起来就平直光滑了一些。这种反走样方法是以4倍的存储器代价和扫描转换时间获得的。因此，增加分辨率虽然简单，但是不经济的方法，而且它也只能减轻而不能消除锯齿问题。 区域采样方法：假定每个象素是一个具有一定面积的小区域，将直线段看作具有一定宽度的狭长矩形。当直线段与象素有交时，求出两者相交区域的面积，然后根据相交区域面积的大小确定该象素的亮度值。 加权区域采样：相交区域对象素亮度的贡献依赖于该区域与象素中心的距离。当直线经过该象素时，该象素的亮度F是在两者相交区域A′上对滤波器进行积分的积分值 刚体：平移和旋转的组合，保持线段的长度，保持角的大小，图形不变形，为刚体变化 仿射：旋转、平移、缩放的组合为仿射变换，平行边仍然平行，错切变换也为仿射变换 较高次数逼近的三种方法：1将y和z直接表示成x的显函数即y=f(x) z=g(x)2用一个形如f(x,y,z)=0的隐式方程的解来表示曲线3曲线的参数表示 前两方法缺点：1由一个x值不能得到多个y值；这一定义不是旋转不变的；描述具有与坐标轴垂直的切线的曲线是困难的2给定方程的解可能更多；曲线段做链接时，很难确定他们的切线方向在连接点上是否相等 参数表示为什么要选择三做参数：1低于三次的函数控制曲线形状时不够灵活，高于三次的曲线会增加不必要的摆动其增加计算量2三次参数曲线是三维空间中次数最低的非平面曲线3定义高次曲线需要更多条件，这样在交互生成时会造成曲线的摆动而难以控制 G0连续：两条曲线段拼接成一条曲线 G1连续：两条曲线段拼接点处切向量方向相同。若相等（方向、大小）－C1 Gn连续：两条曲线段拼接点处切向量的阶导数方向相同。n阶导数相等－Cn B样条曲线优势：1四点加权求和，调和函数非负且和为1，具有凸壳特性2可证明Qi和Qi+1在连接点处连续3曲线段三次函数，所以整个曲线具有连续4凸壳的对曲线裁剪有用 中点生成算法： TBRL中点生成算法： 大学2015～2016学年秋季学期本科生 课程自学报告 课程名称：《概率论与随机过程》 课程编号：07275061 报告题目：大数定律和中心极限定理在彩票选号的应用学生： 学号： 任课教师： 成绩： 评阅日期： 随机序列在通信加密的应用 2015年10月10日 摘 要：大数定律与中心极限定理是概率论中很重要的定理，较多文献给出了不同条件下存在的大数定律和中心极限订婚礼，并利用大数定律与中心极限定理得到较多模型的收敛性。但对于他们的适用围以及在实际生活中的应用涉及较少。本文通过介绍大数定律与中心极限定理，给出了其在彩票选号方面的应用，使得数学理论与实际相结合，能够让读者对大数定律与中心极限定理在实际生活中的应用价值有更深刻的理解。 1. 引言 在大数定律与中心极限定理是概率论中很重要的定理，起源于十七世纪，发展到现在，已经深入到了社会和科学的许多领域。从十七世纪到现在，很多国家对这两个公式有了多方面的研究。长期以来，在大批概率论统计工作者的不懈努力下，概率统计的理论更加完善，应用更加广泛，如其在金融保险业的应用，在现代数学中占有重要的地位。 本文主要通过对大数定律与中心极限定理的分析理解，研究探讨了其在彩票选号中的应用，并给出了案例分析，目的旨在给出大数定律与中心极限定理应用对实际生活的影响，也对大数定律与中心极限定理产生更深刻的理解。 2. 自学容小结与分析 2.1 随机变量的特征函数 在对随机变量的分析过程中，单单由数字特征无法确定其分布函数，所以引入特征函数。特征函数反映随机变量的本质特征，可唯一的确定随机变量的分布函数、随机变量X 的特征函数定义为： 定义1 ][)()(juX jux e E dx e x p ju C ==? +∞ ∞ - (1) 性质1 两两相互独立的随机变量之和的特征函数等于各个随机变量的特征函数之积。 性质1意味着在傅立叶变换之后，时域的卷积变成频域的相乘，这是求卷积的简便方法。类比可知求独立随机变量之和的分布的卷积，可化为乘法运算，这样就简便了计算，提高了运算效率。 性质2 求矩公式：0)(|) ()(][=-=u n u x n n n du C d j X E (2) 性质3 级数展开式：!)(][!|)()()(0 00n ju X E n u du u C d u C n n n n n n n n X ∑∑∞ ==∞ === (3) 2.2 大数定律与中心极限定理 定义2 大数定律：设随机变量相互独立，且具有相同的μ=)(k X E 和,...2,1,)(2 ==k X D k σ, 则0∈>?,有 应用随机过程试题及答案 一．概念简答题（每题5 分，共40 分） 1. 写出卡尔曼滤波的算法公式 2. 写出ARMA（p,q）模型的定义 3. 简述Poisson 过程的随机分流定理 4. 简述Markov 链与Markov 性质的概念 5. 简述Markov 状态分解定理 6．简述HMM 要解决的三个主要问题得分B 卷（共9 页）第2 页7. 什么是随机过程，随机序列？8．什么是时齐的独立增量过程？二．综合题（每题10 分，共60 分） 1 ．一维对称流动随机过程n Y , 0 1 0, , n n k k Y Y X ? ? ? ? 1 ( 1) ( 1) , 2 k k k X p x p x ? ? ? ? ? 具有的概率分布为且1 2 , , ... X X 是相互独立的。试求1 Y 与2 Y 的概率分布及其联合概率分布。 2. 已知随机变量Y 的密度函数为其他而且，在给定Y=y 条件下，随机变量X 的条件密度函数为? ? 其他试求随机变量X 和Y 的联合分布密度函数( , ) f x y . 得分B 卷（共9 页）第3 页 3. 设二维随机变量( , ) X Y 的概率密度为( ,其他试求p{x<3y} 4．设随机过程( ) c o s 2 , ( , ) , X t X t t ? ? ? ? ? ? X 是标准正态分布的随机变量。试求数学期望( ) t E X ，方差( ) t D X ，相关函数1 2 ( , ) X R t t ，协方差1 2 ( , ) X C t t 。B 卷（共9 页）第4 页5 ．设马尔科夫链的状态空间为I={0,1}, 一步转移概率矩阵为 计算机图形学心得体会 姓名: 学号: 201203284 班级: 计科11202 序号: 31 院系: 计算机科学学院 通过一个学期的学习，经过老师细心的讲解，我对图形学这门课有了基础的认识，从您的课上我学到了不少知识，基本上对图形学有了一个大体的认识。上课的时候，您的PPT做的栩栩如生，创意新颖的FLASH就吸引了我的眼球，再加上您那详细生动的讲解，就让我对这门课产生了浓厚的兴趣，随着一节一节课的教学，您的讲课更加深深地吸引了我，并且随着对这门课越来越深入的了解更促使我产生了学好这门的欲望。您教会了我们怎们做基本知识，还教了我们不少的算法。听您的课可以说是听得津津有味。以下就是我对计算机图形学这门课的认识。 一、图形通常由点、线、面、体等几何元素和灰度、色彩、线型、线宽等非几何属性组成。从处理技术上来看图形主要分为两类一类是基于线条信息表示的如工程图、等高线地图、曲面的线框图等另一类是明暗图也就是通常所说的真实感图形。计算机图形学一个主要的目的就是要利用计算机产生令人赏心悦目的真实感图形。为此必须建立图形所描述的场景的几何表示再用某种光照模型计算在假想的光源、纹理、材质属性下的光照明效果。所以计算机图形学与另一门学科计算机辅助几何设计有着密切的关系。事实上图形学也把可以表示几何场景的曲线曲面造型技术和实体造型技术作为其主要的研究内容。同时真实感图形计算的结果是以数字图像的方式提供的计算机图形学也就和图像处理有着密切的关系。 二、计算机图形学的研究内容非常广泛如图形硬件、图形标准、图形交互技术、光栅图形生成算法、曲线曲面造型、实体造型、真实感图形计算与显示算法、非真实感绘制以及科学计算可视化、计算机动画、自然景物仿真、虚拟现实等。1990年的第11届亚洲运动会上首次采用了计算机三维动画技术来制作有关的电视节目片头。继而以3D Studio 为代表的三维动画微机软什和以Photostyler、Photoshop等为代表的微机二维平面设计软件的普及对我国计算机动画技术的应用起到了推波助谰的作用。计算机动画的应用领域十分宽广除了用来制作影视作品外在科学研究、视觉模拟、电子游戏、工业设计、教学训练、写真仿真、过程控制、平面绘画、机械设计等许多方面都有重要应用如军事战术模拟。 三、科学计算可视化它将科学计算过程中及计算结果的数据转换为几何 竭诚为您提供优质文档/双击可除 概率论学习心得总结 篇一：《概率论与数理统计》课程学习心得 《概率论与数理统计》课程学习心得 1004012033陈孝婕10计本3班 有人说：“数学来源于生活，应用于生活。数学是有信息的，信息是可以提取的，而信息又是为人们服务的。”那么概率肯定是其中最为重要的一部分。巴特勒主教说，对我们未来说，可能性就是我们生活最好的指南，而概率即可能。 概率论与数理统计是现代数学的一个重要分支。近二十年来，随着计算机的发展以及各种统计软件的开发，概率统计方法在金融、保险、生物、医学、经济、运筹管理和工程技术等领域得到了广泛应用。主要包括：极限理论、随机过程论、数理统计学、概率论方法应用、应用统计学等。极限理论包括强极限理论及弱极限理论；随机过程论包括马氏过程论、鞅论、随机微积分、平稳过程等有关理论。概率论方法应用是一个涉及面十分广泛的领域，包括随机力学、统计物理学、保险学、随机网络、排队论、可靠性理论、随机信 号处理等有关方面。应用统计学方法的产生主要来源于实质性学科的研究活动中，例如，最小二乘法与正态分布理论源于天文观察误差分析，相关与回归分析源于生物学研究，主成分分析与因子分析源于教育学与心理学的研究，抽样调查方法源于政府统计调查资料的搜集等等。本研究方向在学习概率论、统计学、随机过程论等基本理论的基础上，致力于概率统计理论和方法同其它学科交叉领域的研究，以及统计学同计算机科学相结合而产生的数据挖掘的研究。此外,金融数学也是本专业的一个主要研究方向。它主要是通过数学建模，理论分析、推导，数值计算以及计算机模拟等理论分析、统计分析和模拟分析，以求研究和分析所涉及的理论问题和实际问题。 生活中会遇到这样的事例：有四张彩票供三个人抽取，其中只有一张彩票有奖。第一个人去抽，他的中奖概率是25％，结果没抽到。第二个人看了，心里有些踏实了，他中奖的概率是33％，结果他也没抽到。第三个人心里此时乐开了花，其他的人都失败了，觉得自己很幸运，中奖的机率高达50％，可结果他同样没中奖。由此看来，概率的大小只是在效果上有所不同，很大的概率给人的安慰感更为强烈。但在实质上却没有区别，每个人中奖的概率都是50％，即中奖与不中奖。 同样的道理，对于个人而言，在生活中要成功做好一件 1 [()()][()()]()E X t X s D X t X s t s λ-=-=- 由于(0)0X =故 ()[()][()(0)]X m t E X t E X t X t λ==-= 2()[()][()(0)]X t D X t D X t X t σλ==-= 2 2 22(,)[()()]{()[()()()]}[()(0)][()()][()][()(0)][()()][()]{[()]}()()(1) X R s t E X s X t E X s X t X s X s E X s X X t X s E X s E X s X E X t X s D X s E X s s t s s s st s s t λλλλλλλλ==-+=--+=--++=-++=+=+ (,)(,)()()X X X X B s t R s t m s m t s λ=-= ()()[]exp{(1)}iuX t iu X g u E e t e λ==- 2 定理3.2 设{(),0}X t t ≥是具有参数λ的泊松分布， {,1}n T n ≥是对应的时间间隔序列，则随机变量n T 是独立同 分布的均值为1λ的指数分布 Proof:注意到1{}T t >发生当且仅当泊松过程在区间[0,]t 内没有事件发生，因而1{}{()0}t P T t P X t e λ->=== 即111(){}1{}1t T F t P T t P T t e λ-=≤=->=- 所以1T 是服从均值为1λ的指数分布.利用泊松过程的独立、 平稳增量性质，有 21{|}{()()0}{()(0)0}t P T t T s P X t s X s P X t X e λ->==+-==-== 即222(){}1{}1t T F t P T t P T t e λ-=≤=->=- 对任意的1n ≥和121,,,...,0n t s s s -≥有 21111{|,...,}{()(0)0}t n n P T t T s T s P X t X e λ--->===-== 即(){}1n t T n F t P T t e λ-=≤=- 所以对任一n T 其分布是均值为1 λ的指数分布. 所以1,0 (){}0,0n t T n e t F t P T t t λ-?-≥=≤=? Phong Lighting 该模型计算效率高、与物理事实足够接近。Phong模型利用4个向量计算表面任一点的颜色值，考虑了光线和材质之间的三种相互作用：环境光反射、漫反射和镜面反射。Phong模型使用公式：I s=K s L s cosαΦα：高光系数。计算方面的优势：把r和v归一化为单位向量，利用点积计算镜面反射分量：I s=K s L s max((r，v)α，0)，还可增加距离衰减因子。 在Gouraud着色这种明暗绘制方法中，对公用一个顶点的多边形的法向量取平均值，把归一化的平均值定义为该顶点的法向量，Gouraud着色对顶点的明暗值进行插值。Phong着色是在多边形内对法向量进行插值。Phong着色要求把光照模型应用到每个片元上，也被称为片元的着色。 颜色模型RGB XYZ HSV RGB:RGB颜色模式已经成为现代图形系统的标准，使用RGB加色模型的RGB三原色系统中，红绿蓝图像在概念上有各自的缓存，每个像素都分别有三个分量。任意色光F都可表示为F＝r [ R ] + g [ G ] + b [ B ]。RGB颜色立方体中沿着一个坐标轴方向的距离代表了颜色中相应原色的分量，原点(黑)到体对角线顶点(白)为不同亮度的灰色 XYZ:在RGB 系统基础上，改用三个假想的原色X、Y、Z建立了一个新的色度系统, 将它匹配等能光谱的三刺激值,该系统称为视场XYZ色度系统，在XYZ空间中不能直观地评价颜色。 HSV是一种将RGB中的点在圆柱坐标系中的表示法，H色相S饱和度V明度，中心轴为灰色底黑顶白，绕轴角度为H，到该轴距离为S，沿轴高度为S。 RGB优点:笛卡尔坐标系，线性，基于硬件(易转换)，基于三刺激值，缺点:难以指定命名颜色，不能覆盖所有颜色范围，不一致。 HSV优点:易于转换成RGB，直观指定颜色，’缺点:非线性，不能覆盖所有颜色范围，不一致 XYZ:覆盖所有颜色范围，基于人眼的三刺激值，线性，包含所有空间，缺点:不一致 交互式计算机程序员模型 (应用模型<->应用程序<->图形库)->(图形系统<->显示屏).应用程序和图形系统之间的接口可以通过图形库的一组函数来指定，这和接口的规范称为应用程序编程人员接口(API)，软件驱动程序负责解释API的输出并把这些数据转换为能被特定硬件识别的形式。API提供的功能应该同程序员用来确定图像的概念模型相匹配。建立复杂的交互式模型，首先要从基本对象开始。良好的交互式程序需包含下述特性：平滑的显示效果。使用交互设备控制屏幕上图像的显示。能使用各种方法输入信息和显示信息。界面友好易于使用和学习。对用户的操作具有反馈功能。对用户的误操作具有容忍性。Opengl并不直接支持交互，窗口和输入函数并没有包含在API中。 简单光线跟踪、迭代光线跟踪 光线跟踪是一种真实感地显示物体的方法，该方法由Appel在1968年提出。光线跟踪方法沿着到达视点的光线的相反方向跟踪，经过屏幕上每一象素，找出与视线所交的物体表面点P0，并继续跟踪，找出影响P0点光强的所有的光源，从而算出P0点上精确的光照强度。光线跟踪器最适合于绘制具有高反射属性表面的场景。优缺点：原理简单，便于实现，能生成各种逼真的视觉效果，但计算量开销大，终止条件：光线与光源相交光线超出视线范围，达到最大递归层次。一般有三种：1)相交表面为理想漫射面，跟踪结束。2)相交表面为理想镜面，光线沿镜面反射方向继续跟踪。3)相交表面为规则透射面，光线沿规则透射方向继续跟踪。 描述光线跟踪简单方法是递归，即通过一个递归函数跟踪一条光线，其反射光想和折射光线再调用此函数本身，递归函数用来跟踪一条光线，该光线由一个点和一个方向确定，函数返回与光线相交的第一个对象表面的明暗值。递归函数会调用函数计算指定的光线与最近对象表面的交点位置。 图形学算法加速技术BVH, GRID, BSP, OCTree 加速技术：判定光线与场景中景物表面的相对位置关系，避免光线与实际不相交的景物表面的求交运算。加速器技术分为以下两种：Bounding Volume Hierarchy 简写BVH，即包围盒层次技术，是一种基于“物体”的场景管理技术，广泛应用于碰撞检测、射线相交测试之类的场合。BVH的数据结构其实就是一棵二叉树（Binary Tree）。它有两种节点（Node）类型：Interior Node 和Leaf Node。前者也是非叶子节点，即如果一个Node不是Leaf Node，它必定是Interior Node。Leaf Node 是最终存放物体/们的地方，而Interior Node存放着代表该划分（Partition）的包围盒信息，下面还有两个子树有待遍历。使用BVH需要考虑两个阶段的工作：构建（Build）和遍历（Traversal）。另一种是景物空间分割技术，包括BSP tree，KD tree Octree Grid BSP:二叉空间区分树 OCTree:划分二维平面空间无限四等分 Z-buffer算法 算法描述：1、帧缓冲器中的颜色设置为背景颜色2、z缓冲器中的z值设置成最小值（离视点最远）3、以任意顺序扫描各多边形a) 对于多边形中的每一个采样点，计算其深度值z(x,y) b) 比较z(x, y)与z缓冲器中已有的值zbuffer(x,y)如果z(x, y) >zbuffer(x, y)，那么计算该像素(x, y)的光亮值属性并写入帧缓冲器更新z缓冲器zbuffer(x, y)＝z(x, y) Z-buffer算法是使用广泛的隐藏面消除算法思想为保留每条投影线从COP到已绘制最近点距离，在投影后绘制多边形时更新这个信息。存储必要的深度信息放在Z缓存中，深度大于Z缓存中已有的深度值，对应投影线上已绘制的多边形距离观察者更近，故忽略该当前多边形颜色，深度小于Z缓存中的已有深度值，用这个多边形的颜色替换缓存中的颜色，并更新Z缓存的深度值。 void zBuffer() {int x, y; for (y = 0; y < YMAX; y++) for (x = 0; x < XMAX; x++) { WritePixel (x, y, BACKGROUND_VALUE); WriteZ (x, y, 1);} for each polygon { for each pixel in polygon’s projection { //plane equation doubl pz = Z-value at pixel (x, y); if (pz < ReadZ (x, y)) { // New point is closer to front of view WritePixel (x, y, color at pixel (x, y)) WriteZ (x, y, pz);}}}} 优点：算法复杂度只会随着场景的复杂度线性增加、无须排序、适合于并行实现 缺点：z缓冲器需要占用大量存储单元、深度采样与量化带来走样现象、难以处理透明物体 着色器编程方法vert. frag 着色器初始化：1、将着色器读入内存2、创建一个程序对象3、创建着色器对象4、把着色器对象绑定到程序对象5、编译着色器6、将所有的程序连接起来7、选择当前的程序对象8、把应用程序和着色器之间的uniform变量及attribute变量关联起来。 Vertex Shader：实现了一种通用的可编程方法操作顶点，输入主要有：1、属性、2、使用的常量数据3、被Uniforms使用的特殊类型4、顶点着色器编程源码。输入叫做varying变量。被使用在传统的基于顶点的操作，例如位移矩阵、计算光照方程、产生贴图坐标等。Fragment shader：计算每个像素的颜色和其他属性，实现了一种作用于片段的通用可编程方法，对光栅化阶段产生的每个片段进行操作。输入：Varying 变量、Uniforms-用于片元着色器的常量，Samples-用于呈现纹理、编程代码。输出：内建变量。 观察变换 建模变换是把对象从对象标架变换到世界标架 观察变换把世界坐标变换成照相机坐标。VC是与物理设备无关的，用于设置观察窗口观察和描述用户感兴趣的区域内部分对象，观察坐标系采用左手直角坐标系，可在用户坐标系中的任何位置、任何方向定义。其中有一坐标轴与观察方向重合同向并与观察平面垂直。观察变换是指将对象描述从世界坐标系变换到观察坐标系的过程。（1）：平移观察坐标系的坐标原点，与世界坐标系的原点重合，（2）：将x e，y e轴分别旋转（-θ）角与x w、y w轴重合。 规范化设备坐标系 规范化设备坐标系是与具体的物理设备无关的一种坐标系，用于定义视区，描述来自世界坐标系窗口内对象的图形。 光线与隐式表面求交 将一个对象表面定义为f(x,y,z)=f(p)=0,来自P0，方向为d的光线用参数的形式表示为P(t)=P0+td. 交点位置处参数t的值满足：f(P0+td)=0,若f是一个代数曲面，则f是形式为X i Y j Z k的多项式之和，求交就转化为寻求多项式所有根的问题，满足的情况一：二次曲面，情况二：品面求交，将光线方程带入平面方程：p*n+c=0可得到一个只需做一次除法的标量方程p=p0+td。可通过计算得到交点的参数t的值：t=(p0*n+c)/(n*d). 几何变换T R S矩阵表示 三维平移T 三维缩放S旋转绕z轴Rz( ) 100dx 010dy 001dz 0001 Sx000 0Sy00 00Sz0 0001 cos-sin00 sin cos00 0010 0001 θθ θθ 旋转绕x轴Rx(θ) 旋转绕y轴Ry(θ) 1000 0cos-sin0 0sin cos0 0001 θθ θθ cos0sin0 0100 -sin0cos0 0001 θθ θθ 曲线曲面 Bezier曲线性质：Bezier曲线的起点和终点分别是特征多边形的第一个顶点和最后一个顶点。曲线在起点和终点处的切线分别是特征多边形的第一条边和最后一条边，且切矢的模长分别为相应边长的n倍；（2）凸包性；（3）几何不变性（4）变差缩减性。端点插值。 均匀B样条曲线的性质包括：凸包性、局部性、B样条混合函数的权性、连续性、B样条多项式的次数不取决于控制函数。 G连续C连续 C0连续满足：C1连续满足： (1)(0) p(1)=(1)(0)(0) (1)(0) px qx py q qy pz qz == ???? ???? ???? ???? (1)(0) p'(1)=(1)'(0)(0) (1)(0) p x q x p y q q y p z q z == ???? ???? ???? ???? C0(G0)连续:曲线的三个分量在连接点必须对应相等 C1连续:参数方程和一阶导数都对应相等 G1连续:两曲线的切线向量成比例 三维空间中，曲线上某点的导数即是该点的切线，只要求两个曲线段连接点的导数成比例，不需要导 数相等，即p’(1)=aq’(0) 称为G1几何连续性。将该思想推广到高阶导数，就可得到C n和G n连续性。 随机过程学习报告 通过这一段时间以来的学习，我认识到我们的生活中充满了随机过程的实例，在生活中我们经常需要了解在一定时间间隔[0,t)内某随机事件出现次数的统计规律，如到某商店的顾客数；某电话总机接到的呼唤次数；在电子技术领域中的散粒噪声和脉冲噪声；已编码信号的误码数等。在我们的专业学习——通信工程中，研究数字通信中已编码信号的误码流，数模变换中对信号进行采样等也都会应用到随机过程的知识，因此这门课程的学习是非常重要的。 一、认识泊松过程与复合泊松过程的区别 泊松过程是一类很重要的随机过程，随机质点流描述的随机现象十分广泛，下面我就通过运用泊松过程的知识解答一道书本中的实际应用题目： 设移民到某地区定居的户数是一泊松过程，平均每周有两户定居，即λ=2。若每户的人口数是随机变量，一户4人的概率是1/6，一户3人的概率是1/3，一户两人的概率是1/3，一户一人的概率是1/6，且每户的人口数是相互独立的，①5周内移民到该地区定居的人口数是否为泊松过程？②求上述随机过程的数学期望与方差。 分析：这道题目中的问题就是复合泊松过程的实际应用，这类过程具有泊松过程的一部分性质，不同的地方就在于随机质点流的到达不必再满足每次只能到一个的标准，这就将随机过程的研究与实际相融合，生活中的大部分过程其实是不可能满足每次到达一个这样的苛刻要求的，比如调查到达商场购物的人数等问题时，实际去商场购物时人们大多都是与好朋友结伴出行而不可能存在每个人都是独自来购物的现象，所以引入复合泊松过程是十分有必要的。 解：设[0,t)时间内到该地定居的户数为N(t)，则{N(t)，t>=0}是一泊松过程，X(n)为第n 户移民到该地定居的家庭人口数，{X(0)=0,X(n),n=1,2,3···}是独立同分布随机变量列，Y(t)为[0,t)时间内定居到该地的人数。 则Y(t)=∑=) (0 )n (X t N n t>=0 为一复合泊松过程， )()(υ?n X =4γi e *1/6+3γi e *1/3+2γi e *1/3+γi e *1/6 )()t (υ?Y =)1)((t )1(-γ?λX e 由特征函数的唯一性可知，Y(t)不是泊松过程。 E[X(n)]=4*1/6+3*1/3+2*1/3+1*1/6=5/2 E[）（n X 2 ]=16*1/6+9*1/3+4*1/3+1*1/6=43/6 则E[Y(t)]=λt*E[X(1)]=t*5; D[Y(t)]=λt*E[）（1X 2 ]=t*43/3; 则五周内定居到该地的人数数学期望为：5*5=25 方差为：5*43/3=215/3 第一章 随机过程的基本概念 一、随机过程的定义 例1：医院登记新生儿性别，0表示男，1表示女，X n 表示第n 次登记的数字，得到一个序列X 1 ， X 2 ， ···，记为{X n ，n=1,2, ···}，则X n 是随机变量，而{X n ，n=1,2, ···}是随机过程。 例2：在地震预报中，若每半年统计一次发生在某区域的地震的最大震级。令X n 表示第n 次统计所得的值，则X n 是随机变量。为了预测该区域未来地震的强度，我们就要研究随机过程{X n ，n=1,2, ···}的统计规律性。 例3：一个醉汉在路上行走，以概率p 前进一步，以概率1-p 后退一步（假设步长相同）。以X(t)记他t 时刻在路上的位置，则{X(t), t ≥0}就是（直线上的）随机游动。 例4：乘客到火车站买票，当所有售票窗口都在忙碌时，来到的乘客就要排队等候。乘客的到来和每个乘客所需的服务时间都是随机的，所以如果用X(t)表示t 时刻的队长，用Y(t)表示t 时刻到来的顾客所需等待的时间，则{X(t), t ∈T}和{Y(t), t ∈T}都是随机过程。 定义：设给定参数集合T ，若对每个t ∈T, X(t)是概率空间),,(P ?Ω上的随机变量，则称{X(t), t ∈T}为随机过程，其中T 为指标集或参数集。 E X t →Ω:)(ω，E 称为状态空间，即X(t)的所有可能状态构成的集合。 例1：E 为{0,1} 例2：E 为[0, 10] 例3：E 为},2,2,1,1,0{Λ-- 例4：E 都为), 0[∞+ 注：（1）根据状态空间E 的不同，过程可分为连续状态和离散状态，例1，例3为离散状态，其他为连续状态。 （2）参数集T 通常代表时间，当T 取R, R +, [a,b]时，称{X(t), t ∈T}为连续参数的随机过程；当T 取Z, Z +时，称{X(t), t ∈T}为离散参数的随机过程。 （3）例1为离散状态离散参数的随机过程，例2为连续状态离散参数的随机过程，例3为离散状态连续参数的随机过程，例4为连续状态连续参数的随机过程。 二、有限维分布与Kolmogorov 定理 随机过程的一维分布：})({),(x t X P x t F ≤= 随 机 过 程 的 二 维 分 布 ： T t t x t X x t X P x x F t t ∈≤≤=21221121,,},)(,)({),(21 M 绪论 1点阵法和参数法的概念。图形、图像的概念。 点阵法是用具有颜色信息的点阵来表示图形的一种方法，它强调图形由哪些点组成，并具有什么灰度或色彩。 参数法是以计算机中所记录图形的形状参数与属性参数来表示图形的一种方法。 通常把参数法描述的图形叫做图形（Graphics） 把点阵法描述的图形叫做图象（Image） 2 计算机图形学的概念？ 计算机图形学是研究怎样用计算机表示、生成、处理和显示图形的一门学科。 3图形包括哪两方面的要素，试举例说明。 图形包括两方面的要素，其中有几何要素和非几何要素 1. 几何要素：点，线，面，体等； 2. 非几何要素：明暗，灰度，色彩等 4一个交互性的图形系统具有哪些功能？ 5个功能：输入功能、存储功能、计算功能、输出功能和交互功能 5图形输出设备包括什么？常用的图形绘制设备有哪两种？ 图形输出设备包括图形显示设备和图形绘制设备，常用的图形绘制设备有打印机和绘图仪。 6与计算机图形学相关的学科有哪些？各自研究的内容是什么？ 计算机视觉：研究用计算机来模拟生物外显或宏观视觉功能的科学和技术图像处理：对图象进行各种加工以改善图象的视觉效果 C语言程序基础（课件中p17, p55-59，常用画图函数） 1已知画“王”的C语言程序（如下），要求改编一个画“田”字的程序，该字的字高和字宽均为50，字的左上角点坐标为（60, 80）。 #include "graphics.h" #include "conio.h" main() { int gdriver=DETECT,gmode; int x,y; initgraph(&gdriver,&gmode,“”); /*初始化图形系统*/ cleardevice(); /*清除图形屏幕*/ moveto(100,40); /*绝对移动光标*/ linerel(40,0); /*从当前位置按增量方式画线*/ x=getx(); y=gety(); moveto(x,y+20); linerel(-40,0); moverel(0,20); /* 以增量方式移动当前光标*/ linerel(40,0); moverel(-20,0); linerel(0,-40); getch(); closegraph(); /*关闭图形系统，返回文本模式*/ } 2画一个填充颜色的圆（画一个填充颜色的矩形，已知矩形的左下角（0,20），右上角坐标为（100,120）），圆心坐标（60,60），半径100，要求背景色为1号色（blue），圆的边界色为红色，填充色为Green，（函数：circle floodfill） #include "graphics.h" 与生活息息相关的运筹学 ——《运筹学》学习心得中国古代著名的例子“田忌赛马”，通过巧妙的安排部署马匹的出场顺序，利用了现有马匹资源的最大效用，设计出了一个最优的技术指导文件，这就是对运筹学中博弈论的运用，那么运筹学与我们的生活息息相关。 自古以来，运筹学就无处不在。小到菜市场买菜的大妈，大到做军事部署的国家元首，都会用到运筹学。当我们为选择去哪里旅游而犹豫不决，比对了很久终于找到一条最优路线时。当我们考试之前想临时抱佛脚，用最短时间复习而考到尽量高的分数时……无形之中，我们已经在运用运筹学不断的解决我们生活中的问题了。 运筹学是一应用数学和形式科学的跨领域研究，利用像是统计学、数学模型和算法等方法，去寻找复杂问题中的最佳或近似最佳的解答。运筹学经常用于解决现实生活中的复杂问题，特别是改善或优化现有系统的效率。 研究运筹学的基础知识包括实分析、矩阵论、随机过程、离散数学和算法基础等。而在应用方面，多与仓储、物流、算法等领域相关。因此运筹学与应用数学、工业工程、计算机科学等专业密切相关。 现在普遍认为，运筹学是近代应用数学的一个分支，主要是将生产、管理等事件中出现的一些带有普遍性的运筹问题加以提炼，然后利用数学方法进行解决。前者提供模型，后者提供理论和方法。 运筹学的思想在古代就已经产生了。敌我双方交战，要克敌制胜就要在了解双方情况的基础上，做出最优的对付敌人的方法。“运筹”一词，本指运用算筹，后引伸为谋略之意。“运筹”最早出自于汉高祖刘邦对张良的评价：“运筹帷幄之中，决胜千里之外。” 但是作为一门数学学科，用纯数学的方法来解决最优方法的选择安排，却是晚多了。二次大战时，英军首次邀请科学家参与军事行动研究（, 在英国又称或, ），战后这些研究结果用于其他用途，这是现代“运筹学”的起源。也可以说，运筹学是在二十世纪四十年代才开始兴起的一门分支。 本学期，经过周的学习，我对运筹学也有了一定的认识和了解，并且能够运用运筹学解决一些实际生活中的问题。经过学习我了解到运筹学的具体内容应用随机过程学习总结
计算机图形学总结
应用随机过程教学大纲
西安电子科技大学计算机图形学重点总结,缩印必备!
《概率论与随机过程》课程自学内容小结
应用随机过程试题及答案
计算机图形学心得体会
概率论学习心得总结
应用随机过程复习资料
计算机图形学必考知识点
随机过程学习总结
(完整版)应用随机过程期末复习资料
计算机图形学复习课总结
运筹学学习总结报告(总结文件)