16.1 创新不需要考虑实际问题吗?

GreyZeng 2021-07-31 09:09:15

原文地址

书中16.1章创新迷思二中给出了一些反对创新人的观点

这从来就行不通
没有人需要这些方案 在实际中根本行不通 大众不会理解这个创新
你的创新要解决的根本就不是一个问题
你的创新要解决的是一个问题,但是没人关心这个问题
这个问题早就被完全解决了

这些问题固然可能是某些反对创新者的武器,但是在实际创新过程中,这些不都是非常实际的问题吗,难道创新的过程中不需要考虑这些问题吗?

...全文
519 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
SoftwareTeacher 2021-08-05
  • 打赏
  • 举报
回复

创新者还可以预见 ’将来会出现但是现在还没大规模出现的问题或机会’, 然后提出创新的想法去解决这个问题。
例如,如果军用的 GPS 信号能民用, 然后价格能大幅下降, 会有什么机会呢?

GreyZeng 2021-07-31
  • 打赏
  • 举报
回复

需要考虑,这些都是应该在风险规划中考虑到的问题。但是正确的态度可能是实际去调研,思考如何解决这些问题,如果可行迎难而上,如果不信就及时止损。

原文地址

内容概要:本文围绕不确定环境下的多式联运路径优化问题展开研究,提出并实现了基于AFO算法、遗传算法(GA)和粒子群优化算法(PSO)的三种智能优化方法,并借助Matlab平台完成算法编程与仿真。研究构建了考虑时间、成本、转运风险等多重不确定因素的路径优化模型,系统比较了AFO、GA、PSO三种算法在收敛速度、全局寻优能力和稳定性方面的表现,同时引入Matlab自带的全局优化搜索器作为基准对照,深入分析各算法在复杂物流网络中的适用边界与性能差异。研究表明,AFO算法在解决此类组合优化问题时展现出更快的收敛效率和更强的局部规避能力。; 适合人群:具备一定Matlab编程基础与运筹优化知识,从事物流工程、交通运输规划、智能算法开发等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多式联运、综合货运网络中的路径决策支持系统构建;②为不确定性条件下复杂路径规划问题提供智能算法选型依据与技术实现方案;③支持科研人员复现主流优化算法并开展横向性能对比实验,推动算法改进与实际落地。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现流程,重点理解目标函数设计、约束条件处理及参数敏感性分析部分,可通过调整问题规模与算法参数进行对比实验,进一步拓展至动态路径规划或大规模网络优化等延伸场景。

606

社区成员

发帖
与我相关
我的任务
社区描述
程序员。写过:移山之道,编程之美,构建之法,智能之门。
软件工程软件构建团队开发 企业社区 北京·朝阳区
社区管理员
  • SoftwareTeacher
  • GreyZeng
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧