研究背景是指论文课题在国内外现状、发展历程之类的；而意义主要是指这个东西在当下还不行，就诸多不足而言还存在着研究的价值和意义，那么论文研究背景和意义怎么写？下面我们就来给大家看看研究背景和意义的具体写作方法。 一、论文研究背景和意义怎么写？ 在写作之前，我们先来看看二者之间的区别： 1、内容不同 研究背景就是主要是国内外现状、发展历程之类的；而意义要是指这个东西在当下还不行，就诸多不足而言还存在着研究的价值和意义，在某些方面可以改进。 2、行文顺序不同 背景就是对现状的描述，而意义则是对背景研究的结果。所以在论文中研究背景在研究意义前面。 二、研究背景如何进行写作呢？ 论文研究背景主要有以下几个写作点： 1.交代社会大环境 2.再交代这个行业的大环境 3.再交代目前急需解决的问题 研究背景写作的主要内容和要求如下： 选题的意义与价值 本部分是要点出为什么要写本篇论文的问题，也就是写作的意图、缘由。意义与价值如果能区分开，就分开论述；如果不能，就合在一起说明。一般而言，主要从2个大的方面去写。一是理论意义与价值；二是实践意义与价值。 1.理论意义与价值 一般有以下几种情况： （1）就哲学的高度而言，需要研究的价值意义 （2）就专业或学科角度而言，需要研究的价值意义 （3）就某个理论角度而言，需要研究的价值意义 2.实践意义与价值 主要包括： （1）就实际的工作实践活动未来发展趋势、前景而言，需要研究的价值意义 （2）就实际的现在工作的实践活动而言，需要研究的价值意义 （3）就实际的现在工作的实践活动改进而言，需要研究的价值意义 三、论文的意义如何进行写作？ 1.（你的选题）是前人没有研究过的，也就是说研究领域中一个新颖有意义的课题，被前人所忽略的 2.前人有研究过，或者说阐述过但是没有阐述论证的足够全面，你加以丰满，或者驳斥前人的观点， 总之，意义和目的一定要叙述的清晰并且是有一定新意的 其次注意自己所使用的理论，你是用什么理论证明你的观点 也要叙述清楚，否则难以有说服力 在做文献综述和国内外研究水平的评价等等也要有翔实的根据 这样才能衬托出你的选题的意义所在。 研究的目的、意义也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本论文的研究有什么实际作用，然后，再写论文的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。 主要内容包括： （1）研究的有关背景（课题的提出）：即根据什么、受什么启发而搞这项研究。 （2）通过分析本地（校）的教育教学实际，指出为什么要研究该课题，研究的价值，要解决的问题。 以上就是"论文研究背景和意义怎么写？的全部介绍，希望对大家写论文研究背景和意义有所帮助。
就是说与你相关的研究的发展情况、最新进展、研究的热点难点
论文研究背景的写作主要有以下几个要点：
1、社会大环境如何【可利用国家数据网站发布的数据做支撑】；
2、行业环境如何【可以利用行业报告做支撑】；
3、目前需要解决的问题【自己论述】。
这些内容首先需要使用比较宽泛的语言进行论述，然后利用大环境的数据做支撑；行业环境写作也是这样，先论述行业环境情况，然后引用行业数据报告作支撑；解决问题也就是其应用现实生活那些方面，还有在理论方面具有哪些指导意义。
扩展资料：
选题的意义与价值
选题的意义与价值写作要点在于论文为何写作本论文，告知写作的原因和意图。也就是论述论文的意义和价值，一般明确下面两个写作要点会使得写作难度降低，如下：
一、理论方面
一般有以下几种情况：
1、就哲学的高度而言，需要研究的价值意义。
2、就专业或学科角度而言，需要研究的价值意义。
3、就某个理论角度而言，需要研究的价值意义。
二、实践方面
主要包括：
1、就实际的工作实践活动未来发展趋势、前景而言，需要研究的价值意义。
2、就实际的现在工作的实践活动而言，需要研究的价值意义。
3、就实际的现在工作的实践活动改进而言，需要研究的价值意义。
最短路径问题是图论研究中一个经典算法问题，旨在寻找图中两节点或单个节点到其他节点之间的最短路径。根据问题的不同，算法的具体形式包括：
常用的最短路径算法包括：Dijkstra算法，A 算法，Bellman-Ford算法，SPFA算法（Bellman-Ford算法的改进版本），Floyd-Warshall算法，Johnson算法以及Bi-direction BFS算法。本文将重点介绍Dijkstra算法的原理以及实现。
Dijkstra算法，翻译作戴克斯特拉算法或迪杰斯特拉算法，于1956年由荷兰计算机科学家艾兹赫尔.戴克斯特拉提出，用于解决赋权有向图的 单源最短路径问题 。所谓单源最短路径问题是指确定起点，寻找该节点到图中任意节点的最短路径，算法可用于寻找两个城市中的最短路径或是解决著名的旅行商问题。
问题描述 ：在无向图 中， 为图节点的集合， 为节点之间连线边的集合。假设每条边 的权重为 ，找到由顶点 到其余各个节点的最短路径（单源最短路径）。
为带权无向图，图中顶点 分为两组，第一组为已求出最短路径的顶点集合（用 表示）。初始时 只有源点，当求得一条最短路径时，便将新增顶点添加进 ，直到所有顶点加入 中，算法结束。第二组为未确定最短路径顶点集合（用 表示），随着 中顶点增加， 中顶点逐渐减少。
以下图为例，对Dijkstra算法的工作流程进行演示（以顶点 为起点）：
注： 01） 是已计算出最短路径的顶点集合； 02） 是未计算出最短路径的顶点集合； 03） 表示顶点 到顶点 的最短距离为3 第1步 ：选取顶点 添加进
第2步 ：选取顶点 添加进 ，更新 中顶点最短距离
第3步 ：选取顶点 添加进 ，更新 中顶点最短距离
第4步 ：选取顶点 添加进 ，更新 中顶点最短距离
第5步 ：选取顶点 添加进 ，更新 中顶点最短距离
第6步 ：选取顶点 添加进 ，更新 中顶点最短距离
第7步 ：选取顶点 添加进 ，更新 中顶点最短距离
示例：node编号1-7分别代表A,B,C,D,E,F,G
(s.paths <- shortest.paths(g, algorithm = "dijkstra"))输出结果：
(s.paths <- shortest.paths(g,4, algorithm = "dijkstra"))输出结果：
示例：
找到D（4）到G（7）的最短路径：
[1] 维基百科，最短路径问题： ； [2]CSDN，Dijkstra算法原理： ; [3]RDocumentation: ; [4]RDocumentation: ; [5]Pypi:
现在，我们准备介绍计算机科学史上伟大的成就之一：Dijkstra最短路径算法[1]。这个算法适用于边的长度均不为负数的有向图，它计算从一个起始顶点到其他所有顶点的最短路径的长度。在正式定义这个问题（3.1节）之后，我们讲解这个算法（3.2节）以及它的正确性证明（3.3节），然后介绍一个简单直接的实现（3.4节）。在第4章中，我们将看到这种算法的一种令人惊叹的快速实现，它充分利用了堆这种数据结构。3.1单源最短路径问题3.1.1问题定义Dijkstra算法解决了单源最短路径问题。[2]问题：单源最短路径输入：有向图G=(V, E)，起始顶点s∈V，并且每条边e∈E的长度e均为非负值。输出：每个顶点v∈V的dist(s,v)。注意，dist(s,v)这种记法表示从s到v的最短路径的长度（如果不存在从s到v的路径，dist(s,v)就是+∞）。所谓路径的长度，就是组成这条路径的各条边的长度之和。例如，在一个每条边的长度均为1的图中，路径的长度就是它所包含的边的数量。从顶点v到顶点w的最短路径就是所有从v到w的路径中长度最短的。例如，如果一个图表示道路网，每条边的长度表示从一端到另一端的预期行车时间，那么单源最短路径问题就成为计算从一个起始顶点到所有可能的目的地的行车时间的问题。小测验3.1考虑单源最短路径问题的下面这个输入，起始顶点为s，每个边都有一个标签标识了它的长度：从s出发到s、v、w和t的最短距离分别是多少？（a）0，1，2，3（b）0，1，3，6（c）0，1，4，6（d）0，1，4，7（正确答案和详细解释参见3.1.4节。）3.1.2一些前提条件方便起见，我们假设本章中的输入图是有向图。经过一些微小的戏剧性修改之后，Dijkstra算法同样适用于无向图（可以进行验证）。另一个前提条件比较重要。问题陈述已经清楚地表明：我们假设每条边的长度是非负的。在许多应用中（例如计算行车路线），边的长度天然就是非负的（除非涉及时光机器），完全不需要担心这个问题。但是，我们要记住，图的路径也可以表示抽象的决策序列。例如，也许我们希望计算涉及购买和销售的金融交易序列的利润。这个问题相当于在一个边的长度可能为正也可能为负的图中寻找最短路径。在边的长度可能为负的应用中，我们不应该使用Dijkstra算法，具体原因可以参考3.3.1节。[3]3.1.3为什么不使用宽度优先的搜索如2.2节所述，宽度优先的搜索的一个“杀手”级应用就是计算从一个起始顶点出发的最短路径。我们为什么需要另一种最短路径算法呢？记住，宽度优先的搜索计算的是从起始顶点到每个其他顶点的边数最少的路径，这是单源最短路径问题中每条边的长度均为1这种特殊情况。我们在小测验3.1中看到，对于通用的非负长度边，最短路径并不一定是边数最少的路径。最短路径的许多应用，例如计算行车路线或金融交易序列，不可避免地涉及不同长度的边。但是，读者可能会觉得，通用的最短路径问题与这种特殊情况真的存在这么大的区别吗？如图3.1所示，我们不能把一条更长的边看成3条长度为1的边组成的路径吗？图3.1路径事实上，“一条长度为正整数的边”和“一条由条长度为1的边所组成的路径”之间并没有本质的区别。在原则上，我们可以把每条边展开为由多条长度为1的边组成的路径，然后应用宽度优先的搜索对图进行展开来解决单源最短路径问题。这是把一个问题简化为另一个问题的一个例子。在这个例子中，就是从边的长度为正整数的单源最短路径问题简化为每条边的长度均为1的特殊情况。这种简化所存在的主要问题是它扩大了图的规模。如果所有边的长度都是小整数，那么这种扩张并不是严重的问题。但在实际应用中，情况并不一定如此。某条边的长度很可能比原图中顶点和边的总数还要大很多！宽度优先的搜索在扩张后的图中的运行效率是线性时间，但这种线性时间并不一定接近原图长度的线性时间。Dijkstra算法可以看成是在扩张后的图上执行宽度优先的搜索的一种灵活模拟，它只对原始输入图进行操作，其运行时间为近似线性。关于简化如果一种能够解决问题B的算法可以方便地经过转换解决问题A，那么问题A就可以简化为问题B。例如，计算数组的中位元素的问题可以简化为对数组进行排序的问题。简化是算法及其限制的研究中非常重要的概念，具有极强的实用性。我们总是应该寻求问题的简化。当我们遇到一个似乎是新的问题时，总是要问自己：这个问题是不是一个我们已经知道怎样解决的问题的伪装版本呢？或者，我们是不是可以把这个问题的通用版本简化为一种特殊情况呢？3.1.4小测验3.1的答案正确答案：（b）。从s到本身的最短路径的长度为0以及从s到v的最短路径的长度为1不需要讨论。顶点w稍微有趣一点。从s到w的其中一条路径是有向边(s,w)，它的长度是4。但是，通过更多的边可以减少总长度：路径s→v→w的长度只有1+2=3，它是最短的s−w路径。类似地，从s到t的每条经过两次跳跃的路径的长度为7，而那条更迂回的路径的长度只有1+2+3=6。3.2Dijkstra算法3.2.1伪码Dijkstra算法的高层结构与第2章的图搜索算法相似。[4]它的主循环的每次迭代处理一个新的顶点。这个算法的高级之处在于它采用了一种非常“聪明”的规则选择接下来处理哪个顶点：就是尚未处理的顶点中看上去最靠近起始顶点的那一个。下面的优雅伪码精确地描述了这个思路。
Ⅰ考查目标 计算机学科专业基础综合考试涵盖数据机构、计算机组成原理、操作系统和计算机网络等学科专业基础课程。要求考生比较系统地掌握上述专业基础课程的概念、基本原理和方法，能够运用所学的基本原理和基本方法分析、判断和解决有关理论问题和实际问题。 Ⅱ考试形式和试卷结构 一、试卷满分及考试时间 本试卷满分为150分，考试时间为180分钟 二、答题方式 答题方式为闭卷、笔试 三、试卷内容结构 数据结构45分 计算机组成原理45分 操作系统35分 计算机网络25分 四、试卷题型结构 单项选择题80分（40小题，每小题2分） 综合应用题70分 Ⅲ考查范围 数据结构 【考查目标】 1.理解数据结构的基本概念；掌握数据的逻辑结构、存储结构及其差异，以及各种基本操作的实现。 2.掌握基本的数据处理原理和方法的基础上，能够对算法进行设计与分析。 3.能够选择合适的数据结构和方法进行问题求解。 一、线性表 （一）线性表的定义和基本操作 （二）线性表的实现 1.顺序存储结构 2.链式存储结构 3.线性表的应用 二、栈、队列和数组 （一）栈和队列的基本概念 （二）栈和队列的顺序存储结构 （三）栈和队列的链式存储结构 （四）栈和队列的应用 （五）特殊矩阵的压缩存储 三、树与二叉树 （一）树的概念 （二）二叉树 1.二叉树的定义及其主要特征 2.二叉树的顺序存储结构和链式存储结构 3.二叉树的遍历 4.线索二叉树的基本概念和构造 5.二叉排序树 6.平衡二叉树 （三）树、森林 1.书的存储结构 2.森林与二叉树的转换 3.树和森林的遍历 （四）树的应用 1.等价类问题 2.哈夫曼（Huffman）树和哈夫曼编码 三、图 （一）图的概念 （二）图的存储及基本操作 1.邻接矩阵法 2.邻接表法 （三）图的遍历 1.深度优先搜索 2.广度优先搜索 （四）图的基本应用及其复杂度分析 1.最小（代价）生成树 2.最短路径 3.拓扑排序 4.关键路径 四、查找 （一）查找的基本概念 （二）顺序查找法 （三）折半查找法 （四）B-树 （五）散列（Hash）表及其查找 （六）查找算法的分析及应用 五、内部排序 （一）排序的基本概念 （二）插入排序 1.直接插入排序 2.折半插入排序 （三）气泡排序（bubblesort） （四）简单选择排序 （五）希尔排序（shellsort） （六）快速排序 （七）堆排序 （八）二路归并排序（mergesort） （九）基数排序 （十）各种内部排序算法的比较 （十一）内部排序算法的应用 计算机组成原理
济南发：07:10D6001次2小时38分青岛到：09:48站次 站名 到达时间 开车时间 停车时间 运行时间1 济南 起点站 07:10 - -2 淄博 07:52 07:53 1分 42分钟3 潍坊 08:29 08:30 1分 1小时19分钟4 高密 08:57 08:58 1分 1小时47分钟5 青岛 09:48 终到站 - 2小时38分钟
什么专业~这种题目竟然也可以作为毕业论文来搞——
Ⅰ考查目标 计算机学科专业基础综合考试涵盖数据机构、计算机组成原理、操作系统和计算机网络等学科专业基础课程。要求考生比较系统地掌握上述专业基础课程的概念、基本原理和方法，能够运用所学的基本原理和基本方法分析、判断和解决有关理论问题和实际问题。 Ⅱ考试形式和试卷结构 一、试卷满分及考试时间 本试卷满分为150分，考试时间为180分钟 二、答题方式 答题方式为闭卷、笔试 三、试卷内容结构 数据结构45分 计算机组成原理45分 操作系统35分 计算机网络25分 四、试卷题型结构 单项选择题80分（40小题，每小题2分） 综合应用题70分 Ⅲ考查范围 数据结构 【考查目标】 1.理解数据结构的基本概念；掌握数据的逻辑结构、存储结构及其差异，以及各种基本操作的实现。 2.掌握基本的数据处理原理和方法的基础上，能够对算法进行设计与分析。 3.能够选择合适的数据结构和方法进行问题求解。 一、线性表 （一）线性表的定义和基本操作 （二）线性表的实现 1.顺序存储结构 2.链式存储结构 3.线性表的应用 二、栈、队列和数组 （一）栈和队列的基本概念 （二）栈和队列的顺序存储结构 （三）栈和队列的链式存储结构 （四）栈和队列的应用 （五）特殊矩阵的压缩存储 三、树与二叉树 （一）树的概念 （二）二叉树 1.二叉树的定义及其主要特征 2.二叉树的顺序存储结构和链式存储结构 3.二叉树的遍历 4.线索二叉树的基本概念和构造 5.二叉排序树 6.平衡二叉树 （三）树、森林 1.书的存储结构 2.森林与二叉树的转换 3.树和森林的遍历 （四）树的应用 1.等价类问题 2.哈夫曼（Huffman）树和哈夫曼编码 三、图 （一）图的概念 （二）图的存储及基本操作 1.邻接矩阵法 2.邻接表法 （三）图的遍历 1.深度优先搜索 2.广度优先搜索 （四）图的基本应用及其复杂度分析 1.最小（代价）生成树 2.最短路径 3.拓扑排序 4.关键路径 四、查找 （一）查找的基本概念 （二）顺序查找法 （三）折半查找法 （四）B-树 （五）散列（Hash）表及其查找 （六）查找算法的分析及应用 五、内部排序 （一）排序的基本概念 （二）插入排序 1.直接插入排序 2.折半插入排序 （三）气泡排序（bubblesort） （四）简单选择排序 （五）希尔排序（shellsort） （六）快速排序 （七）堆排序 （八）二路归并排序（mergesort） （九）基数排序 （十）各种内部排序算法的比较 （十一）内部排序算法的应用 计算机组成原理
我求5000字的论文，关于学习与不学习的争吵，你有没的
机械创新设计是一个极其重要而又困难的实践性较强的研究课题。目前创新设计方法研究虽然已取得一些成果，但创新学还处于发展初期，各种不同理论及工具不断涌现，远没有形成普遍可以接受的统一的理论体系。本文认为，要进行机械创新设计要有两个必要条件：一是充分获取适用的知识；二是要使用符合创新设计思维并能激发创新思维的设计系统。设计过程充满了矛盾，所获取的知识应有助于矛盾的迅速解决，这就要求知识获取工具紧密集成到设计过程中，因此要统一研究知识获取工具与设计系统。另外，人类的创新设计思维模式是在长期的成功设计经验中总结形成的，因此设计系统必需符合创新设计思维规律。创新设计思维规律应作为算机辅助创新设计系统的理论基础。基于上述考虑，本文从创新设计思维的研究出发，融合知识获取方法，研究创新设计理论，进而开发机械产品创新设计系统。1 机械创新设计思维规律我们常把思维的过程称为“思路”，是因为可用路径问题来说明人类思维过程。本文提出两个机械创新设计思维原则：一是最短路径原则。设计者得到产品的功能要求后，往往首先检索出最佳设计实例，这样可以最迅速接近目标，然后运用价值工程方法，找出价值较低的极少数组件作为研究对象，再分析所得对象存在的矛盾，尝试作最小变动以解决矛盾，如矛盾没有解决则拟作更大变动或扩大研究对象范围，最后得出最优结果。通过这样途径所消耗的能量最少，体现了最短路径原则。二是相似性联想。汤川秀树的定同理论认为，联想能力就是找出事物彼此相似性的创造力，相似性是指事物间的内在联系。要用计算机系统来辅助设计师从自然界中发现形态各异的事物的相似性是很困难的，因此本文只研究从机械产品实例中挖掘相似性，以促进机械创新设计。机械设计过程是从功能要求到作用原理，再到物理结构的映射过程[1]。在CBR系统中，功能要求、作用原理与物理结构可作为实例索引，因此可统称它们为索引项目。同一索引的不同类索引项目之间的联想可称为纵向联想，而不同索引的同类索引的联想可称为横向联想。判断联想是否合理的依据是相似性，相似性由已有产品实例确定。比如，“超声波研磨机产品实例”使“超声波振动”作用原理与“研磨”功能要求纵向地产生了内在联系；又如，多种产品实例可满足同一功能要求，那么它们用于实现该功能的作用原理及物理结构具有相似性。功能要求是联想的起点，经验丰富的设计师通常记忆有大量的设计实例，因而掌握纵向及横向相似性，所以能迅速地进行横向及纵向的联想，能触类旁通，得出具有相似作用原理及物理结构的实例（简称相似实例）并进行组合优化，最后得到最优解。 这两项原则已被多种设计方法不自觉地采用了，基于实例推理不但能迅速接近最优解，体现最短路径原则；物场分析法（简称TRIZ）分析了上百万设计实例，确定功能要求与作用原理及物理载体的内在联系，以及不同作用原理或物理载体的可替代关系，使设计师可根据功能要求找到适当的作用原理及物理载体，体现相似性联想原则。2 计算机辅助创新设计系统 两项创新设计思维原则充分体现在计算机辅助创新设计系统的设计中，系统还利用了多种创新设计方法及人工智能技术。计算机辅助创新设计系统的流程如图1所示，它包含如下关键技术：2.1 实例检索 利用基于实例推理（CBR）技术时首先要深入研究它的优缺点。CBR是一种以实例为知识载体的知识供应方法。当前它仍有如下不足：首先，系统为了达到实用通常建立庞大的实例库，这导致管理困难，系统运行效率低；其次，通过检索得到的只是一个或很少实例，而其它不符合检索要求但含有适用知识的实例没有利用，支持创新的力度不够；最后，实例调整严重依赖领域知识，难度大，所以很多CBR系统简化为实例检索系统[2]。导致这三项缺点的深层原因是实例是独立的，不同实例所蕴含的知识难以组合利用。为了克服这个矛盾本文提出通过相似性联想找出相似实例，并利用遗传算法进行组合优化，实现实例知识的重用。本系统的实例检索功能用商品化PDM系统IMAN中的产品结构与配置管理功能及搜索功能来实现，实例的可视化表示与管理依靠IMAN的产品结构树功能实现。2.2可视化的实例模型表达及矛盾分析概念设计技术的发展方向为研究一种统一的设计方案表达方法[3]。文献[4]对日本学者吉川弘之提出的FBS图进行扩充，使用两个框架分别描述一个设计方案的功能层次与结构层次，并存储功能单元与结构单元的对应关系，使计算机理解产品的结构及其功能。这种方法的缺点是结构与功能的关系不够直观，因此本系统在功能层次图与结构层次图的基础上增加功能关系图，以语义网络的方式描述结构及之间的作用关系，使结构与功能处于同一张图中，设计者可直观地理解产品原理，根据功能关系图并运用价值工程方法分析实例存在的矛盾。实现创新的关键是正确分析产品中所存在的矛盾[5]。产品设计中的基本矛盾是产品功能成本比不能满足用户要求，它有两种表现形式，一是未能实现某些产品功能质量目标；二是某些功能质量得到改善而某些功能质量却恶化。矛盾分析结果用于指导新作用原理、新物理结构的联想，进而找出相似实例。2.3基于WEB的创新设计知识库本系统的创新设计知识库包括作用原理库、物理结构库与实例库。当系统根据相似性搜索到新作用原理或物理结构后，相应的实例自动调出。作用原理库与物理结构库的开发借鉴了TRIZ的成果，再针对机械领域补充整理出二百四十余种作用原理（其中包括五十余种基本措施）。在每种作用原理下分别存储多种物理结构，形成物理结构库。实例库主要针对几种常见的家电产品进行开发。创新设计知识库是创新设计系统的核心部件，它是一种WEB文本知识库，文本经过笔者开发的机械知识XML标记处理，使知识库建立在国际标准XML文本之上，因此可实现知识资源的异地共享，并且在此知识库之上可建立基于WEB的机械产品计算机辅助创新设计系统，满足异地协同设计的需要。2.4相似性的量化方法及改进的遗传算法每种产品的结构不同，需要不定相同的遗传算法编码。本系统为了提高运行效率，采用浮点数编码方式。在传统的遗传算法中，初始群体是通过用随机的方法来产生的[6]，这具有一定的盲目性。因此本文提出利用实例的作用原理或物理结构的相似性作为筛选实例产生初始群体的依据。实现该途径的关键在于相似性的量化也即相似度的计算方法。相似度实质是实例的关联知识，必须以一定的算法在实例集合中挖掘得到。纵向联想的相似度实质是功能目标与实现手段的关系程度，横向联想的相似度实质是实现手段的可替代关系程度。相似度越高意味着得到已有产品实例的更多支持。根据相似度来筛选初始群体就等于利用以前的设计经历，使初始群体的产生有合理的基础，因此能加快遗传算法的收敛。本文根据相似性联想原理提出如下纵向及横向联想的相似度计算方法。设产品实例集合为C，功能元素集合为F，作用原理或物理结构元素集合为G。分别记为：C={Ci|i=1,2,…,n}; F={Fj|j=1,2,…,m}; G={Gk|k=1,2,…,q}。实例集合中的实例Ci以不同的隶属度uij及uik分别隶属于Fj及Gk。 设元素Gk到元素Fj的纵向联想相似度为rkj，则：rkj = 又设G空间中有元素Gk和Gm。实例Cji分别以隶属度uik和uim隶属于元素Gk和Gm，设从Gk到Gm的横向联想相似度为rkm，则：rkm = 隶属度作为实例对象的一项属性来存储。系统根据以上算法从实例集合中挖掘相似度知识，辅助设计师从相似度较高的方向进行联想，并用于指导遗传算法初始群体的产生，从而促进设计创新。3 结论 本文研究创新设计思维规律并用于指导机械产品创新设计系统的开发，系统的成功应用证明了关于创新设计思维规律论断的正确性以及多种新技术的可行性。系统可通过矛盾分析与联想，搜索到适用的作用原理、措施、物理结构及实例以解决矛盾，完成概念设计阶段的功能优化与原理优化，是实现机械广义优化设计方法的新成果。也不知道你是否满意啊！
论文研究背景的写作主要有以下几个要点：
1、社会大环境如何【可利用国家数据网站发布的数据做支撑】；
2、行业环境如何【可以利用行业报告做支撑】；
3、目前需要解决的问题【自己论述】。
这些内容首先需要使用比较宽泛的语言进行论述，然后利用大环境的数据做支撑；行业环境写作也是这样，先论述行业环境情况，然后引用行业数据报告作支撑；解决问题也就是其应用现实生活那些方面，还有在理论方面具有哪些指导意义。
扩展资料：
选题的意义与价值
选题的意义与价值写作要点在于论文为何写作本论文，告知写作的原因和意图。也就是论述论文的意义和价值，一般明确下面两个写作要点会使得写作难度降低，如下：
一、理论方面
一般有以下几种情况：
1、就哲学的高度而言，需要研究的价值意义。
2、就专业或学科角度而言，需要研究的价值意义。
3、就某个理论角度而言，需要研究的价值意义。
二、实践方面
主要包括：
1、就实际的工作实践活动未来发展趋势、前景而言，需要研究的价值意义。
2、就实际的现在工作的实践活动而言，需要研究的价值意义。
3、就实际的现在工作的实践活动改进而言，需要研究的价值意义。
从你步入大学校门的那天起，论文写作就成为了一门必修课。这门必修课可以使你受益一生，不管是在校期间发表论文、毕业答辩，还是将来走入到工作岗位职称评选，都要运用到这些写作技巧。许多同学都觉得写论文是一项多么遥不可及的任务，其实无论你是何种层次高校的学生，只要你精确掌握了论文中的写作技巧，都可以写出优秀的文章。然而论文写作并非一蹴而就，它需要不断地练习与积累，论文写作中有许多可以掌握的技巧，选题就是其中之一，因此今天我从论文选题开始谈起。童鞋们，论文选题的套路你get了吗？一、选题的几种错误认识论文选题是一个慎之又慎的过程，论文题目既要易懂也要专业；既要丰富也要具体；既要普适也要创新。然而许多同学选题过于随意，并存在一些错误的认知。1、题目过于宏观许多同学都会认为题目确立的越宽泛，自己可以发挥的空间就越大，文章就越容易写够较多字数。这种想法是完全错误的。论文题目越是宏观，内容就会越显空洞，对于研究的问题或现象的针对性就越弱，会让读者觉得作者的研究水平较低。2、文不符题由于选题是一件耗时的事情，很多同学就会选择先写论文内容，在写作过程中，或是论文完成后再来确定论文题目。这也是一个不可取的写作习惯。论文的内容是根据题目展开的，题目对于内容起到指导性作用，而题目不确定，就容易导致写作过程中思维发散，前后论述内容重点不一致，这样在最后确定题目时，无法概括所有的论述重点，导致文不符题。3、题目过于冗长要说眼睛是心灵的窗户，那题目就是内容的窗户，所以部分同学就认为，题目应该尽量优雅美观，就会将一些修饰词语用于论文题目中，导致论文题目冗长。学术论文跟普通文章还是有明显的区别，题目要尽量言简意赅，简明扼要地突出重点，展现学术性、专业性。
1、摘要：明确写出论文的主旨是什么，用三百至五百个字描述清楚论文的大概内容，再用几个词总结出来。 2、目录：目录可以让导师清楚的看到论文的结构和思路，还可让读者能够更快的找到想看的内容。 3、前言：交代写论文的目的以及选题背景，让读者知道此论文的现实意义。 4、选题背景及方法：详细具体的写出论文的背景和研究方法，引起读者的阅读兴趣。 5、所出现的问题：论文内最重要的部分之一就是要发现问题并找到解决的方法。 6、提出的建议：能够实际的提出建议，才能看出解决问题的能力，这是论文中不可缺少的一部分。