一维搜索的程序实现
第三章一维搜索方法
则
* dTf x
d T Gd
从上式看，需要求导进行计算，对于函数关系复杂的， 解析法十分不便。
数值法的基本思路：确定 *的搜索区间，在不断缩小
区间，最终获得近似值。
第二节 搜索区间的确定和区间消去法原理
一、确定搜索区间的外推法
图3-2 正向搜索的外推法
图3-3 反向搜索的外推法
y3
所以
p
a1
/
2a2
1 2
a22 a32 a2 a3
y1 y1
a32 a12 a3 a1
y2 a12 a22 y2 a1 a2
y3 y3
令
c1
y3 a3
y1 a1
c2
y2 a2
y1 a1
c1
a2 a3
第三章一维搜索方法
采用数学规划法求函数极值点的迭代计算：
xk1 xk ak d k
K+1次迭代的搜索方向
搜索的最佳步长因子
当搜索方向d k给定，求最佳步长 ak 就是求一元函数的极值。
f xk1 f xk akd k ak
称为一维搜索。 是优化搜索方法的基础。
k 0,1, 2,...
牛顿法的几何解释：
牛顿法的计算步骤：
给定初始点 0 ，控制误差 ，并令k=0。
1）计算 f k f k
2）求
k 1
k
f k f k
3)若 ak1 ak 则求得近似解 a* ak 1 ，停止计算，
求二次函数 的极小点作为f 极小点的新近似点1
第三章 一维搜索法
0
x1 x2
x3
3-1 确定初始区间的进退法
探测初始空间的进退法步骤: 探测初始空间的进退法步骤 (1)给定初始点 x0 ,初始步长 h ,令 x1 = x0 ,记: f1 = f ( x1 ) 给定初始点 初始步长 令 记 (2)产生新的探测点 x2 = x1 + h ，记 f 2 = f ( x2 ) 产生新的探测点 (3)比较函数值 f1 和 f 2 的大小 确定向前或向后探测的策略 比较函数值 的大小,确定向前或向后探测的策略 则加大步长,令 若: f1 > f 2 则加大步长 令 h = 2h ,转(4)向前探测 转 向前探测 (4)产生新的探测点 x3 = x0 + h ,令 f 3 = f ( x3 ) 产生新的探测点 令 (5)比较函数值 f 2 和 f 3 的大小 比较函数值 则调转方向,令 若: f1 < f 2 则调转方向 令 h = − h ,转(4)向后探测 转 向后探测
3-1 确定初始区间的进退法
f (x ) f ( x1 )
f ( x2 )
f ( x1 ) > f ( x2 ) > f ( x3 )
极小点在右端点的
f (x3 ) (x
x
x3 右侧
0
x1
x2 x3
3-1 确定初始区间的进退法
f (x ) f ( x1 ) f ( x2 )
f ( x3 )
f ( x1 ) < f ( x2 ) < f ( x3 )
h=-h；x2=x0+h；f2=f(x2)； ； ； ； End
3-2 黄金分割法
一维搜索试探方法的基本思想： 一维搜索试探方法的基本思想：在确定了搜索区间的 前提下，不断缩小搜索区间， 前提下，不断缩小搜索区间，同时保持搜索区间内函数值 “大-小-大”的走势，直到区间的宽度小于预定的精度。 小 大 的走势，直到区间的宽度小于预定的精度。 黄金分割法基本思想： 黄金分割法基本思想 ： 在搜索区间内插入两个黄金分 割点，将区间分成三段。利用函数的单谷性质，通过函数值 割点，将区间分成三段。利用函数的单谷性质， 大小的比较，删去其中一段。 大小的比较，删去其中一段。在保留下来的区间上作同样的 处置，如此往复送代，使搜索区间缩小到精度范围内， 处置，如此往复送代，使搜索区间缩小到精度范围内，得到 极小点的近似解。 极小点的近似解。
机械优化设计第三章一维搜索方法
(b a)，故
Fn
b
a 。由Fn即可从斐波那契数列表或按F0
F1
1, Fn
Fn1
Fn2 (n
2, 3,
)
推算出相应的n。
3）确定试点并计算相应的函数值，在区间a, b内的两个试点：
x2
a
Fn1 Fn
(b
a),
x1
b
Fn1 Fn
(b
a),
f1 f (x1),
f2 f (x2 )
第三章 一维搜索方法
1.若f (a1) f (b1)，则取[a,b1]为缩短后的搜索区间； 2.若f (a1) f (b1)，则取[a1,b]为缩短后的搜索区间。
第三章 一维搜索方法
第二节 搜索区间的确定与区间消去法原理
间 接
假定在搜索区间[a, b]内取一点x, 并计算它的导数值 f '(x)，可能出现三种情况：
x2 a b x1, f2 f (x2 )
5）检查迭代终止条件：bn1 an1
，若满足，则输出最优解x*
1 (a b), 2
ห้องสมุดไป่ตู้
f*
f (x*)，
若不满足，则转入（4），继续进行迭代。
1. f (a1) f (b1)，由于函数的单峰性， 极小点一定在[a, b1 ]内； 2. f (a1) f (b1)，极小点一定在[a1,b]内； 3. f (a1) f (b1)，极小点一定在[a1,b1]内。
第三章 一维搜索方法
第二节 搜索区间的确定与区间消去法原理
直 接 法
假定在搜索区间[a,b]内任取两点a1和b1，且a1 b1， 并计算f (a1)和f (b1)，可能出现三种情况：
f (x1) f (x) f (x2)
一维寻优法(0.618法)程序设计
一维寻优法(0.618法)程序设计一维寻优法，又叫作黄金分割法或者0.618法，是一种基于比较大小的优化算法，能够在一维搜索空间中找到最优解或者一定程度上接近最优解。
这是一种简单而经典的算法，在实际应用中有很多的应用场景。
接下来我们将介绍一下如何设计一维寻优法的程序，包括算法原理、代码实现和测试结果。
### 1. 算法原理一维寻优法的核心思想是找到一段区间，通过不断缩小这个区间的范围来逼近最优解。
具体来讲，我们首先需要给出一个初始的搜索区间，假设这个区间是[a, b]。
我们可以通过计算出0.618的值（记为c），将这个区间划分为两个子区间[a, c]和[c, b]。
对于这两个子区间中的一个，我们可以进一步将其划分为两个子区间，之后对于这两个子区间分别计算其函数值，保留其中更小的一个（因为我们是要找最小值），并更新原始的搜索区间。
如此往复进行下去，直到搜索区间的长度小于一定的阈值或者我们已经满足了一定的精度要求为止。
### 2. 代码实现下面是一维寻优法的Python示例代码：```pythondef golden_section(func, a, b, epsilon=1e-5):""":param func: 要进行最优化的函数:param a: 搜索区间左边界:param b: 搜索区间右边界:param epsilon: 精度控制参数:return: 函数极小值所在的x值"""c = 0.618 # 黄金分割点x1 = a + (1 - c) * (b - a) # 初始化搜索区间x2 = a + c * (b - a)y1 = func(x1)y2 = func(x2)while abs(b - a) > epsilon:if y1 <= y2:b = x2x2 = x1y2 = y1x1 = a + b - x2y1 = func(x1)else:a = x1x1 = x2y1 = y2x2 = a + b - x1y2 = func(x2)return (a + b) / 2```代码中，我们首先计算出黄金分割点，并初始化搜索区间。
工程优化一维搜索算法C程序实现
5 抛物线法
#include<stdio.h> #include<stdlib.h> #include<math.h> #include<string.h> #include<time.h> #define F(x) 3*x*x*x-4*x+2 int main(void){ double x1,x2,x3,x; double y1,y2,y3,y;
7 三次插值法
#include<stdio.h> #include<stdlib.h> #include<math.h> #include<string.h> #include<time.h> #define F(x) 3*x*x*x-4*x+2 #define F1(x) 9*x*x-4 int main(void){ double a=0,b,h=1,x; double v,u,s,z,w; time_t start,end; start=clock(); v=F1(a); x=a; while(abs(v)>0.2){ if(v<0){ h=abs(h); } else{ h=-abs(h); } l: b=a+h; u=F1(b); if(abs(u)<0.2){ x=b; goto end; } while(u*v>0){ h=2*h; v=u; a=b; goto l; } s=3*(F(a)-F(b))/(b-a); z=s-u-v; w=sqrt(pow(z,2)-u*v); if(v>0){ a=a-(b-a)*v/(z-w-v);
} else{ a=a-(b-a)*v/(z+w-v); } v=F1(a); h=h/10; x=a; } end:printf("%.3f,%.3f\n",x,F(x)); end=clock(); printf("the time is %.3fm\n",double(end-start)/CLOCKS_PER_SEC); system("pause"); }
一维搜索
xk 2 xk 1 , ( xk 2) ( xk 1 )
xk 2 是新搜索区间 [ak 1, bk 1] 的黄金分割点的对称点。
（2）计算保留试点的对称点——新搜索区间黄金分割点：
xk 2 ak 1 0.618 bk 1 ak 1), ( 及 算 ( xk 2). 计
(k ) 则在 x 附近可用 (x) 来近似 f (x)
1 f ( x ( k ) )( x x ( k ) ) 2 2
22
3.5.3 牛顿法
因此，可用 (x) 的极小点来近似 f (x) 的极小点。故求 (x)的驻 点 x ( k 1) ： 令 ( x) 0 ，得
(3.5.19) 以 (x)的驻点 x ( k 1)作为 f (x) 在 x (k ) 附近的极小点的k+1级估计值。 同理，如果在 x ( k 1)点将 f (x)作二阶泰勒展开。在 x ( k 1)点 附近用二阶泰勒多项式近似 f (x) ，可得
( x1)及 ( x1 )
并令：k：=0.
ak 1 ak , bk 1 xk 1
9
（3.5.10）
b0 a 0
3.5.1 黄金分割法
1 (ak 1 bk 1) 为近似极小点， (* ) 2 则计算新的一对试点：
*
为近似极小值，否
（1）保留试点的计算
f ( x) f ( x
(k )
) f ( x
(k ) 2
(k )
)(x x
(k )
1 ) f ( x ( k ) )(x x ( k ) ) 2 2
O( x x
)
记 ( x) f ( x ( k ) ) f ( x ( k ) )( x x ( k ) )
第三章 一维搜索方法
第三章 一维搜索方法
第三节一维搜索的试探方法
1、前提 函数在区间 a, b 上是单谷函数。 2、点的插入原则 （1）要求插入点 1 , 2 的位置相对于区间 a, b 两端点具有对称性。 1 b (b a) 2 a (b a) （2）要求保留下来的区间内再插入一点所形成 的新三段具有相同的比例分布。
0 1 2 3
k
h0 2h0 4h0 8h0
h
初始点 初始点 初始点+ h0 初始点+3h0
x1
初始点+ h0 初始点+ h0 初始点+3h0 初始点+7h0
x2 初始点+ h0 初始点
初始点+15h0
x3 初始点-2h0
0 1 2 3
初始点 h0 2h0 初始点+ h0 初始点 4h0 8h0 初始点-2h0
x1 x2 b a x1 x2
第三章 一维搜索方法
6、举例 2 f 2 ，当给定搜索区间 3 5 对函数 时，试用黄金分割法求极小点 。
表3-1 黄金分割法的搜索过程 迭代序 号 0
a
-3
a1
0.056
a2
1.944
b
5
y1
0.115
比 较
<
y2
7.667
第三章 一维搜索方法
第三章 一维搜索方法
第一节 一维搜索的概念 第二节 搜索区间的确定与区间消去法原理 第三节 一维搜索的试探方法——黄金分割法
第四节 一维搜索的插值方法
第三章 一维搜索方法
第一节 一维搜索的概念
当采用数学规划法寻求多元函数的极值点时，一般要进行 一系列如下格式的迭代计算：
最新最优化方法一维搜索法C++程序
精品资料最优化方法一维搜索法C++程序........................................加步探索法#include<iostream>#include<math.h>using namespace std;double fun(double t){return (t*t*t-2*t+1);}double max(double a,double b){if(a>b)return a;else return b;}double min(double a,double b){if(a>b)return b;else return a;}double Addstep(double(*pfun)(double t)){int k=0;double t0=0,h=1,r=2,t,a=0,b=0;t=t0+h;do{if(fun(t)<fun(t0)){h=r*h;t0=t;t=t0+h;k++;}else{if(k=0){h=-h;k++;}else{a=min(t0,t);b=max(t0,t);return a;return b;}}}while(a=b);cout<<" 探索区间为："<<"["<<min(t0,t)<<","<<max(t0,t)<<"]"<<endl; }int main(){Addstep(fun);return 0;}对分法#include<iostream>#include<math.h>using namespace std;double fun(double t){return (t*t-3*t);}double dfun(double t){return (2*t-3);}void Dichotomous(double(*pfun)(double t),double (*pdfun)(double t)) {int maxflag=1000,k=1;double a=-3,b=5,c,err=0.1,t;do{c=(a+b)/2;if(dfun(c)<0){a=c;}else {if(dfun(c)>0){b=c;}else{a=c;b=c;}}k++;}while(fabs(a-b)>err&&k<maxflag);if(k>=maxflag)cout<<endl<<"对分法迭代失败!迭代次数为k="<<k<<endl;else{cout<<endl<<" 对分法迭代成功!迭代次数为k="<<k-1<<endl; cout<<"迭代结果：近似根为root="<<t<<endl;cout<<" 函数值近似为：f(root)="<<fun(t)<<endl;}}int main(){Dichotomous(fun,dfun);return 0;}Newton切线法#include<iostream>#include<math.h>using namespace std;double fun(double t){return (t*t*t-2*t+1);}double dfun(double t){return (3*t*t-2);}void NewtonIterative(double(*pfun)(double t),double (*pdfun)(double t)) {int maxflag=1000,k=1;double t0=1,err=0.01,t;do{t0=t;t=t0-pfun(t0)/pdfun(t0);k++;}while(fabs(t-t0)>err&&k<maxflag);if(k>=maxflag)cout<<endl<<" 牛顿迭代失败!迭代次数为k="<<k<<endl;else{cout<<endl<<" 牛顿迭代成功!迭代次数为k="<<k-1<<endl;cout<<" 迭代结果：近似根为root="<<t<<endl; cout<<" 函数值近似为：f(root)="<<fun(t)<<endl; }}int main(){NewtonIterative(fun,dfun);return 0;}黄金分割法#include<iostream>#include<math.h>using namespace std;double fun(double t){return (t*t+2*t);}void Goldensection(double(*pfun)(double t)){int maxflag=1000,k=1;double a=-3,b=5,err=0.001,t,t1,t2;do{t1=a+0.618*(b-a);t2=b-0.618*(b-a);if(t1=t2){a=t2;b=t1;}else {if(t1<t2){a=t2;}else{b=t1;}}k++;}while(fabs(a-b)>err&&k<maxflag);if(k>=maxflag)cout<<endl<<"黄金分割法迭代失败!迭代次数为k="<<k<<endl; else{t=(a+b)/2;cout<<endl<<" 黄金分割法迭代成功!迭代次数为k="<<k-1<<endl; cout<<" 迭代结果：近似根为root="<<t<<endl;cout<<" 函数值近似为：f(root)="<<fun(t)<<endl;}}int main(){Goldensection(fun);return 0;}抛物线插值法#include<iostream>#include<math.h>using namespace std;double fun(double x){return (8*x*x*x-2*x*x-7*x+3);}double max(double a,double b){if(a>b)return a;else return b;}double min(double a,double b){if(a>b)return b;else return a;}void Parainterpolation(double(*pfun)(double x)){double a=0,b=2,err=0.001,x=0,x0=1,f,f0;do{x=((x0*x0-b*b)*fun(a)+(b*b-a*a)*fun(x0)+(a*a-x0*x0)*fun(b))/(2*((x0-b)*fun(a)+(b-a)*fun(x0)+(a-x0)*fun(b)));f0=fun(x0);f=fun(x);if(f=f0){a=min(x,x0);b=max(x,x0);x0=(a+b)/2;}else {if((fun(x)-f0)*(x-x0)>0){b=max(x,x0);x0=min(x,x0);}else{a=min(x,x0);x0=max(x,x0);}}}while(fabs(x-x0)>err);x=(x+x0)/2;cout<<" 迭代结果：近似根为root="<<x<<endl;cout<<" 函数值近似为：f(root)="<<fun(x)<<endl;}int main(){Parainterpolation(fun);return 0;}。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一维搜索的程序实现张 莹(沈阳教育学院数学与计算机系,辽宁沈阳 110016)Ξ 摘要:对于不可微的一元目标函数,我们用一维搜索去解决。
本文给出了一维搜索中的三个算法:二分法,三等分算法,黄金分割法各自的C 语言源程序,从而可以求出目标函数比较精确的近似最优点。
关键词:一维搜索;黄金分割法;程序中图分类号:TP311 文献标识码:A 文章编号:1008-3863(2002)04-0104-03 对于解决最优化问题,我们用数学的方法与原理给予了实现,但对于目标函数我们采取了适当的限制,即目标函数可微,而对不可微的目标函数或者虽然可微但导数很难求出或表示十分复杂的目标函数,我们则采取迭代法解决问题。
而在一维搜索中迭代法则的实现是压缩搜索区间的长度使之无限缩小且趋于零,从而满足终止准则,这样便可取得近似的最优点。
下面我们对具体的一维搜索方法给出程序实现。
本文主要使用C 语言源程序。
二分法:已知搜索区间<t 1,t 2,t 3>,其中f (t 1)>f (t 2)<f (t 3),f (t )在〈t 1,t 2,t 3〉上为单谷函数,给定终止准则限ε。
①计算(t 1+t 3)Π2及f [(t 1+t 3)Π2]②当(t 1+t 3)Π2<t 2时:若f [(t 1+t 3)Π2]>f (t 2),则(t 1+t 3)Π2=>t 1,转⑤若f [(t 1+t 3)Π2]<f (t 2),则(t 1+t 3)Π2=>t 2,t 2=>t 3,转⑤若f [(t 1+t 3)Π2]=f (t 2),则(t 1+t 3)Π2=>t 2,转④③当t 2<(t 1+t 3)Π2时:若f [(t 1+t 3)Π2]>f (t 2),则(t 1+t 3)Π2=>t 3,转⑤若f [(t 1+t 3)Π2]<f (t 2),则(t 1+t 3)Π2=>t 2,t 2=>t 1,转⑤若f [(t 1+t 3)Π2]=f (t 2),则(t 1+t 3)Π2=>t 2,转④④当(t 1+t 3)Π2=t 2时,计算f [(t 1+t 2)Π2]及[f (t 2+t 3)Π2] 若f [(t 1+t 2)Π2]>f (t 2)<f [(t 2+t 3)Π2],则(t 1+t 2)Π2=>t 1,(t 2+t 3)Π2=>t 3,转⑤ 若f [(t 1+t 2)Π2]>f (t 2)≥f [(t 2+t 3)Π2],则t 2=>t 1,(t 2+t 3)Π2=>t 2,转⑤ 若f [(t 1+t 2)Π2]≤f (t 2)<f [(t 2+t 3)Π2],则(t 1+t 2)Π2=>t 2,t 2=>t 3,转⑤⑤如果|t 1-t 3|<ε,则(t 1+t 3)Π2]t 3,转⑥,否则转①⑥输出t 3,终止。
float bise (float t1,float t2,float t3,float ε){float tm ,tm1,tm2,t0; do{tm =(t1+t3)Π2;—401—第4卷 第4期 沈阳教育学院学报 V ol.4 N o.4 2002年12月 Journal of Shenyang C ollege of Education Dec.2002 Ξ收稿日期:2002-07-05作者简介:张莹(1973-),女,吉林省长春市人,沈阳教育学院数学与计算机系,讲师。
if((tm=t2)ζf(tm)=f(t2)) {t2=(t1+t3)Π2; tm1=(t1+t2)Π2; tm2=(t2+t3)Π2; if(f(tm1)>f(t2)&&f(t2)<f(tm2)) {t1=tm1;t3=tm2}; if(f(tm1)>f(t2)&&f(t2)>=f(tm2)) {t1=t2;t2=tm2}; if(f(tm1)<=f(t2)&&f(t2)<f(tm2)) {t3=t2;t2=tm1}; } if(tm>t2) {if(f(tm)>f(t2))t3=tm; else{t1=t2;t2=tm;} } if(tm<t2) {if(f(tm)>f(t2))t1=tm; else{t3=t2;t2=tm;} } }while(t3-t1>=ε); t0=(t1+t3)Π2; return(t0);}其中f为调用的函数,由具体给定的函数而定。
比如设f(t)为一元函数,f(t)=(t-3)t可加调用函数程序如下:float sub(float t){float z;z=(t-3)3sqrt(t);return(z);}三等分算法:已知搜索区间〈t1,t2〉,f(t)为区间〈t1,t2〉上的单谷函数,给定终止准则限ε。
①计算t11=t1+(t2-t1)Π3;f(t11)②计算t22=t1+2(t2-t1)Π3;f(t22)③如果f(t11)≤f(t22),则t22=>t2,转⑤④如果f(t11)>f(t22),则t11=>t1,转⑤⑤如果|t1-t2|<ε,则(t1+t2)Π2=>t3,转⑥,否则转①⑥输出t3,终止。
float thre(float t1,float t2,floatε){float t11,t22,t0; do{t11=t1+(t2-t1)Π3; t22=t1+(t2-t1)32Π3; if(f(t11)<=f(t22)t2=t22 else t1=t11;} while(t2-t1>=ε); t0=(t1+t2)Π2; return(t0);}其中f同上,为一元函数。
黄金分割法:已知搜索区间〈t1,t2〉,f(t)为区间<t1,t2>上的单谷函数,给定终止准则限ε及分点比例系数β=0.618。
①计算t22=t1+β(t2-t1);f(t22)②计算t11=t1+(1-β)(t2-t1);f(t11)③如果f(t11)≤f(t22),则t22=>t2,t11]t22,f(t11) =>f(t22),转⑤④如果f(t11)>f(t22),则t11]t1,t22=>t11,f(t22) =>f(t11),转⑥⑤如果|t1-t2|<ε,则(t1+t2)Π2=>t3,转⑦,否则转②⑥如果|t1-t2|<ε,则(t1+t2)Π2=>t3,转⑦,否则计算t22=t1+β(t2-t1);f(t22),转③⑦输出t3,终止。
float g old(float t1,float t2,floatε){float t11,t22,t0,β;β=0.618;t22=t1+β3(t2-t1);t11=t1+(1-β)3(t2-t1);do{if(f(t11)<=f(t22)); {t2=t22; t22=t11; if(t2-t1<ε)break; t11=t1+(1-β)3(t2-t1); } else{t1=t11;t11=t22; if(t2-t1<ε)break; t22=t1+β3(t2-t1); } }while(t2-t1>=ε); t0=(t1+t2)Π2; return(t0); }其中f同上,也为一元函数。
由此,一维搜索中的方法借助于程序的实现就—51—张 莹 一维搜索的程序实现可以得出近似最优点,最优点的精确度取决于终止准则限ε的取值,而浮点型变量的取值范围为1.0×10-38～1.0×10+38,因此完全可以得出十分精确的近似最优点,最大程度地减小误差。
参考文献:[1]郝一凡,刘树贵.编著.最优化与决策[M].沈阳:辽宁大学出版社.1997.The program of Liner searchZH ANG Y ing(Shenyang C ollege of Education ,Shenyang 110016,China )Abstract :T o objective function with one unknown which is not differentiable ,we have linear search to s olve.This paper gives the programs of C to three alg orithms of linear search ,s o that we will get the objective function ’s approximate optimal point which is accurate enough.K ey w ords :linear search ;g olden section method ;program(责任编辑 吕成学)我院学报被评为全国优秀社科学报近日,在中国人文社科学报学会举办的全国第二届评优活动中,我院学报被评为全国优秀社科学报,学报副主编鲁茗编审被评为全国优秀社科学报主编。
这是我院学报继2000年获全国教育学院十佳学报后获得的又一次全国性大奖。
这表明我院学报办刊质量逐年提高,在全国林林总总的学术期刊中,已占有一席之地。
这次评优活动于2002年2月初至6月举行,历时4个月。
中国人文社科学报学会在2002年2月1日下发了《关于开展评优秀学报、优秀学报主编、优秀学报编辑及优秀学报编辑学论著的通知》,对评优工作进行了部署。
全国高校700多家社科学报进行了认真准备,按评审要求在规定日期报送了有关材料。
从4月初开始各省市学报研究会进行了初评。
在初评的基础上,将本地区学报逐一排序,上报到学会总部进行推荐工作。
5月下旬始,中国人文社科学报学会在河北省廊坊市武警学院召开了总评委会,邀请了全国学术期刊界知名专家、学者组成了总评委会对各省推荐的学报进行了认真的评选。
评委们严格把关,认真负责,按照学术期刊评优的条例逐项打分,整个评选工作进展顺利。
此次评优活动得到了国家教育部社政司的大力支持。
5月28日、29日,社政司司长靳诺同志、出版处副处长陈矛同志两次到河北省廊坊市亲临评优会现场调研,看望学会总评委,与总评委进行座谈。
这次高校学报评选充分考虑到中国高校社科学报的特点和改革开放以来大学学报的变化及取得的成绩。
根据国际通行的文献计量学所提供的有关数据,从中国高校社科学报的实际出发,组织有关专家成立有权威的总评委会,按照公平、公正的原则对刊物的方向、学术水平、编校质量、文载率、出版印刷质量等重要指标作出全面评价和鉴定,最后评出22家全国双十佳社科学报;112家全国百强社科学报;125家全国优秀社科学报;另有37家学报获质量进步奖;19家学报获栏目策划奖;13家学报获整体设计奖;6家学报获编辑质量奖。