数值计算方法研究现状论文

自己上百度找，不过最好自己写，这里有一参考： 摘 要：介绍了电磁学计算方法的研究进展和状态，对几种富有代表性的算法做了介绍，并比较了各自的优势和不足，包括矩量法、有限元法、时域有限差分方法以及复射线方法等。 关键词：矩量法；有限元法；时域有限差分方法；复射线方法 1 引 言 1864年Maxwell在前人的理论（高斯定律、安培定律、法拉第定律和自由磁极不存在）和实验的基础上建立了统一的电磁场理论，并用数学模型揭示了自然界一切宏观电磁现象所遵循的普遍规律，这就是著名的Maxwell方程。在11种可分离变量坐标系求解Maxwell方程组或者其退化形式，最后得到解析解。这种方法可以得到问题的准确解，而且效率也比较高，但是适用范围太窄，只能求解具有规则边界的简单问题。对于不规则形状或者任意形状边界则需要比较高的数学技巧，甚至无法求得解析解。20世纪60年代以来，随着电子计算机技术的发展，一些电磁场的数值计算方法发展起来，并得到广泛地应用，相对于经典电磁理论而言，数值方法受边界形状的约束大为减少，可以解决各种类型的复杂问题。但各种数值计算方法都有优缺点，一个复杂的问题往往难以依靠一种单一方法解决，常需要将多种方法结合起来，互相取长补短，因此混和方法日益受到人们的重视。 本文综述了国内外计算电磁学的发展状况，对常用的电磁计算方法做了分类。 2 电磁场数值方法的分类 电磁学问题的数值求解方法可分为时域和频域2大类。频域技术主要有矩量法、有限差分方法等，频域技术发展得比较早，也比较成熟。时域法主要有时域差分技术。时域法的引入是基于计算效率的考虑，某些问题在时域中讨论起来计算量要小。例如求解目标对冲激脉冲的早期响应时，频域法必须在很大的带宽内进行多次采样计算，然后做傅里叶反变换才能求得解答，计算精度受到采样点的影响。若有非线性部分随时间变化，采用时域法更加直接。另外还有一些高频方法，如GTD，UTD和射线理论。 从求解方程的形式看，可以分为积分方程法（IE）和微分方程法（DE）。IE和DE相比，有如下特点：IE法的求解区域维数比DE法少一维，误差限于求解区域的边界，故精度高；IE法适合求无限域问题，DE法此时会遇到网格截断问题；IE法产生的矩阵是满的，阶数小，DE法所产生的是稀疏矩阵，但阶数大；IE法难以处理非均匀、非线性和时变媒质问题，DE法可直接用于这类问题〔1〕。 3 几种典型方法的介绍 有限元方法是在20世纪40年代被提出，在50年代用于飞机设计。后来这种方法得到发展并被非常广泛地应用于结构分析问题中。目前，作为广泛应用于工程和数学问题的一种通用方法，有限元法已非常著名。 有限元法是以变分原理为基础的一种数值计算方法。其定解问题为： 应用变分原理，把所要求解的边值问题转化为相应的变分问题，利用对区域D的剖分、插值，离散化变分问题为普通多元函数的极值问题，进而得到一组多元的代数方程组，求解代数方程组就可以得到所求边值问题的数值解。一般要经过如下步骤： ①给出与待求边值问题相应的泛函及其变分问题。 ②剖分场域D，并选出相应的插值函数。 ③将变分问题离散化为一种多元函数的极值问题，得到如下一组代数方程组： 其中：Kij为系数（刚度）矩阵；Xi为离散点的插值。 ④选择合适的代数解法解式（2），即可得到待求边值问题的数值解Xi（i＝1，2，…，N） （2）矩量法 很多电磁场问题的分析都归结为这样一个算子方程〔2〕： L（f）＝g（3）其中：L是线性算子，f是未知的场或其他响应，g是已知的源或激励。 在通常的情况下，这个方程是矢量方程（二维或三维的）。如果f能有方程解出，则是一个精确的解析解，大多数情况下，不能得到f的解析形式，只能通过数值方法进行预估。令f在L的定义域内被展开为某基函数系f1，f2，f3，…，fn的线性组合： 其中：an是展开系数，fn为展开函数或基函数。 对于精确解式（2）通畅是无限项之和，且形成一个基函数的完备集，对近似解，将式 （2）带入式（1），再应用算子L的线性，便可以得到： m＝1，2，3，… 此方程组可写成矩阵形式f，以解出f。矩量法就是这样一种将算子方程转化为矩阵方程的一种离散方法。 在电磁散射问题中，散射体的特征尺度与波长之比是一个很重要的参数。他决定了具体应用矩量法的途径。如果目标特征尺度可以与波长比较，则可以采用一般的矩量法；如果目标很大而特征尺度又包括了一个很大的范围，那么就需要选择一个合适的离散方式和离散基函数。受计算机内存和计算速度影响，有些二维和三维问题用矩量法求解是非常困难的，因为计算的存储量通常与N2或者N3成正比（N为离散点数），而且离散后出现病态矩阵也是一个难以解决的问题。这时需要较高的数学技巧，如采用小波展开，选取合适的小波基函数来降维等〔3〕。 （3）时域有限差分方法 时域有限差分（FDTD）是电磁场的一种时域计算方法。传统上电磁场的计算主要是在频域上进行的，这些年以来，时域计算方法也越来越受到重视。他已在很多方面显示出独特的优越性，尤其是在解决有关非均匀介质、任意形状和复杂结构的散射体以及辐射系统的电磁问题中更加突出。FDTD法直接求解依赖时间变量的麦克斯韦旋度方程，利用二阶精度的中心差分近似把旋度方程中的微分算符直接转换为差分形式，这样达到在一定体积内和一段时间上对连续电磁场的数据取样压缩。电场和磁场分量在空间被交叉放置，这样保证在介质边界处切向场分量的连续条件自然得到满足。在笛卡儿坐标系电场和磁场分量在网格单元中的位置是每一磁场分量由4个电场分量包围着，反之亦然。 这种电磁场的空间放置方法符合法拉第定律和安培定律的自然几何结构。因此FDTD算法是计算机在数据存储空间中对连续的实际电磁波的传播过程在时间进程上进行数字模拟。而在每一个网格点上各场分量的新值均仅依赖于该点在同一时间步的值及在该点周围邻近点其他场前半个时间步的值。这正是电磁场的感应原理。这些关系构成FDTD法的基本算式，通过逐个时间步对模拟区域各网格点的计算，在执行到适当的时间步数后，即可获得所需要的结果。 在上述算法中，时间增量Δt和空间增量Δx，Δy和Δz不是相互独立的，他们的取值必须满足一定的关系，以避免数值不稳定。这种不稳定表现为在解显式 差分方程时随着时间步的继续计算结果也将无限制的67增加。为了保证数值稳定性必须满足数值稳定条件： 其中：（对非均匀区域，应选c的最大值）〔4〕。 用差分方法对麦克斯韦方程的数值计算还会在网格中引起所模拟波模的色散，即在FDTD网格中数字波模的传播速度将随波长、在网格中的传播方向以及离散化的情况而改变。这种色散将导致非物理原因引起的脉冲波形的畸变、人为的各向异性及虚拟的绕射等，因此必须考虑数值色散问题。如果在模拟空间中采用大小不同的网格或包含不同的介质区域，这时网格尺寸与波长之比将是位置的函数，在不同网格或介质的交界面处将出现非物理的绕射和反射现象，对此也应该进行定量的研究，以保证正确估计FDTD算法的精度。在开放问题中电磁场将占据无限大空间，而由于计算机内存总是有限的，只能模拟有限空间，因此差分网格在某处必将截断，这就要求在网格截断处不引起波的明显反射，使对外传播的波就像在无限大空间中传播一样。这就是在截断处设置吸收边界条件，使传播到截断处的波被边界吸收而不产生反射，当然不可能达到完全没有反射，目前已创立的一些吸收边界条件可达到精度上的要求，如Mur所导出的吸收边界条件。 （4）复射线方法 复射线是用于求解波场传播和散射问题的一种高频近似方法。他根据几何光学理论和几何绕射理论的分析方法和计算公式，在解析延拓的复空间中求解复射线轨迹和场的振幅和相位，从而直接得出局部不均匀波（凋落波）的传播和散射规律〔5〕。复射线方法是包括复射线追踪、复射线近轴近似、复射线展开以及复绕射线等处理技术在内的一系列处理方法的统称。其共同特点在于：通过将射线参考点坐标延拓到复空间而建立了一个简单而统一的实空间中波束／射线束（Bundle ofrays）分析模型；通过费马原理及其延拓，由基于复射线追踪或复射线近轴近似的处理技术，构造了射线光学架构下有效的鞍点场描述方法等。例如，复射线追踪法将射线光学中使用的射线追踪方法和场强计算公式直接地解析延拓到复空间，利用延拓后的复费马原理进行复射线搜索，从而求出复射线轨迹和复射线场。这一方法的特点在于可以基于射线光学方法有效地描述空间中波束的传播，因此，提供了一类分析波束传播的简便方法。其不足之处是对每一个给定的观察点必须进行一次二维或四维的复射线轨迹搜索，这是一个十分花费时间的计算机迭代过程。 4 几种方法的比较和进展 将有限元法移植到电磁工程领域还是二十世纪六七十年代的事情，他比较新颖。有限元法的优点是适用于具有复杂边界形状或边界条件、含有复杂媒质的定解问题。这种方法的各个环节可以实现标准化，得到通用的计算程序，而且有较高的计算精度。但是这种方法的计算程序复杂冗长，由于他是区域性解法，分割的元素数和节点数较多，导致需要的初始数据复杂繁多，最终得到的方程组的元数很大，这使得计算时间长，而且对计算机本身的存储也提出了要求。对电磁学中的许多问题，有限元产生的是带状（如果适当地给节点编号的话）、稀疏阵（许多矩阵元素是0）。但是单独采用有限元法只能解决开域问题。用有限元法进行数值分析的第一步是对目标的离散，多年来人们一直在研究这个问题，试图找到一种有效、方便的离散方法，但由于电磁场领域的特殊性，这个问题一直没有得到很好的解决。问题的关键在于一方面对复杂的结构，一般的剖分方法难于适用；另一方面，由于剖分的疏密与最终所形成的系数矩阵的存贮量密切相关，因而人们采用了许多方法来减少存储量，如多重网格法，但这些方法的实现较为困难〔6〕。 网格剖分与加密是有限元方法发展的瓶颈之一，采用自适应网格剖分和加密技术相对来说可以较好地解决这一问题。自适应网格剖分根据对场量分布求解后的结果对网格进行增加剖分密度的调整，在网格密集区采用高阶插值函数，以进一步提高精度，在场域分布变化剧烈区域，进行多次加密。 这些年有限元方法的发展日益加快，与其他理论相结合方面也有了新的进展，并取得了相当应用范围的成果，如自适应网格剖分、三维场建模求解、耦合问题、开域问题、高磁性材料及具有磁滞饱和非线性特性介质的处理等，还包括一些尚处于探索阶段的工作，如拟问题、人工智能和专家系统在电磁装置优化设计中的应用、边基有限元法等，这些都使得有限元方法的发展有了质的飞跃。 矩量法将连续方程离散化为代数方程组，既适用于求解微分方程，又适用于求解积分方程。他的求解过程简单，求解步骤统一，应用起来比较方便。然而 77他需要一定的数学技巧，如离散化的程度、基函数与权函数的选取，矩阵求解过程等。另外必须指出的是，矩量法可以达到所需要的精确度，解析部分简单，可计算量很大，即使用高速大容量计算机，计算任务也很繁重。矩量法在天线分析和电磁场散射问题中有比较广泛地应用，已成功用于天线和天线阵的辐射、散射问题、微带和有耗结构分析、非均匀地球上的传播及人体中电磁吸收等。 FDTD用有限差分式替代时域麦克斯韦旋度方程中的微分式，得到关于场分量的有限差分式，针对不同的研究对象，可在不同的坐标系中建模，因而具有这几个优点，容易对复杂媒体建模，通过一次时域分析计算，借助傅里叶变换可以得到整个同带范围内的频率响应；能够实时在现场的空间分布，精确模拟各种辐射体和散射体的辐射特性和散射特性；计算时间短。但是FDTD分析方法由于受到计算机存储容量的限制，其网格空间不能无限制的增加，造成FDTD方法不能适用于较大尺寸，也不能适用于细薄结构的媒质。因为这种细薄结构的最小尺寸比FDTD网格尺寸小很多，若用网格拟和这类细薄结构只能减小网格尺寸，而这必然导致计算机存储容量的加大。因此需要将FDTD与其他技术相结合，目前这种技术正蓬勃发展，如时域积分方程／FDTD方法，FDTD／MOM等。FDTD的应用范围也很广阔，诸如手持机辐射、天线、不同建筑物结构室内的电磁干扰特性研究、微带线等〔7〕。 复射线技术具有物理模型简单、数学处理方便、计算效率高等特点，在复杂目标散射特性分析等应用领域中有重要的研究价值。典型的处理方式是首先将入射平面波离散化为一组波束指向平行的复源点场，通过特定目标情形下的射线追踪、场强计算和叠加各射线场的贡献，可以得到特定观察位置处散射场的高频渐进解。目前已运用复射线分析方法对飞行器天线和天线罩（雷达舱）、（加吸波涂层）翼身结合部和进气道以及涂层的金属平板、角形反射器等典型目标散射特性进行了成功的分析。尽管复射线技术的计算误差可以通过参数调整得到控制，但其本身是一种高频近似计算方法，由于入射波场的离散和只引入鞍点贡献，带来了不可避免的计算误差。总的来说复射线方法在目标电磁散射领域还是具有独特的优势，尤其是对复 杂目标的处理。 5 结 语 电磁学的数值计算方法远远不止以上所举，还有边界元素法、格林函数法等，在具体问题中，应该采用不同的方法，而不应拘泥于这些方法，还可以把这些方法加以综合应用，以达到最佳效果。 电磁学的数值计算是一门计算的艺术，他横跨了多个学科，是数学理论、电磁理论和计算机的有机结合。原则上讲，从直流到光的宽频带范围都属于他的研究范围。为了跟上世界科技发展的需要，应大力进行电磁场的并行计算方法的研究，不断拓广他的应用领域，如生物电磁学、复杂媒质中的电磁正问题和逆问题、医学应用、微波遥感应用、非线性电磁学中的混沌与分叉、微电子学和纳米电子学等。 参考文献 〔1〕 文舸一．计算电磁学的进展与展望〔J〕．电子学报，1995，23（10）：62-69. 〔2〕 刘圣民．电磁场的数值方法〔M〕．武汉：华中理工大学出版社，1991． 〔3〕 张成，郑宏兴．小波矩量法求解电磁场积分方程〔J〕．宁夏大学学报（自然科学版），2000，21（1）：76-79. 〔4〕 王长清．时域有限差分(FD-TD)法〔J〕．微波学报,1989,(4):8-18. 〔5〕 阮颖诤．复射线理论及其应用〔M〕．成都：电子工业出版社，1991． 〔6〕 方静，汪文秉．有限元法和矩量法结合分析背腔天线的辐射特性〔J〕．微波学报，2000，16(2):139-143. 〔7〕 杨永侠，王翠玲．电磁场的FDTD分析方法〔J〕．现代电子技术,2001,(11):73-74. 〔8〕 洪伟．计算电磁学研究进展〔J〕．东南大学学RB （自然科学版），2002，32（3）：335-339. 〔9〕 王长清，祝西里．电磁场计算中的时域有限差分法〔M〕．北京：北京大学出版社，1994． 〔10〕 楼仁海，符果行，袁敬闳．电磁理论〔M〕．成都：电子科技大学出版社，1996． 现代电子技术

大学计算机科学导论论文计算机科学与技术这一门科学深深的吸引着我们这些同学们，原先不管是国内还是国外都喜欢把这个系分为计算机软件理论、计算机系统、计算机技术与应用。后来又合到一起，变成了现在的计算机科学与技术。我一直认为计算机科学与技术这门专业，在本科阶段是不可能切分成计算机科学和计算机技术的，因为计算机科学需要相当多的实践，而实践需要技术；每一个人(包括非计算机专业)，掌握简单的计算机技术都很容易（包括原先Major们自以为得意的程序设计），但计算机专业的优势是：我们掌握许多其他专业并不"深究"的东西，例如，算法，体系结构，等等。非计算机专业的人可以很容易地做一个芯片，写一段程序，但他们做不出计算机专业能够做出来的大型系统。今天我想专门谈一谈计算机科学，并将重点放在计算理论上。1)计算机语言随着20世纪40年代第一台存储程序式通用电子计算机的研制成功，进入20世纪50年代后，计算机的发展步入了实用化的阶段。然而，在最初的应用中，人们普遍感到使用机器指令编制程序不仅效率低下，而且十分别扭，也不利于交流和软件维护，复杂程序查找错误尤其困难，因此，软件开发急需一种高级的类似于自然语言那样的程序设计语言。1952年，第一个程序设计语言Short Code出现。两年后，Fortran问世。作为一种面向科学计算的高级程序设计语言，Fortran的最大功绩在于牢固地树立了高级语言的地位，并使之成为世界通用的程序设计语言。Algol60的诞生是计算机语言的研究成为一门科学的标志。该语言的文本中提出了一整套的新概念，如变量的类型说明和作用域规则、过程的递归性及参数传递机制等。而且，它是第一个用严格的语法规则——巴科斯范式（BNF）定义语言文法的高级语言。程序设计语言的研究与发展在产生了一批成功的高级语言之后，其进一步的发展开始受到程序设计思想、方法和技术的影响，也开始受到程序理论、软件工程、人工智能等许多方面特别是实用化方面的影响。在“软件危机”的争论日渐平息的同时，一些设计准则开始为大多数人所接受，并在后续出现的各种高级语言中得到体现。例如，用于支持结构化程序设计的PASCAL语言，适合于军队各方面应用的大型通用程序设计语言ADA，支持并发程序设计的MODULA-2，支持逻辑程序设计的PROLOG语言，支持人工智能程序设计的LISP语言，支持面积对象程序变换的SMALLTALK、C等。而且，伴随着这些语言的出现和发展，产生了一大批为解决语言的编译和应用中所出现的问题而发展的理论、方法和技术。有大量的学术论文可以证明，由高级语言的发展派生的各种思想、方法、理论和技术触及到了计算机科学的大多数学科方向，但内容上仍相对集中在语言、计算模型和软件开发方法学方面。(2)计算机模型与软件开发方法20世纪80年代是计算机网络、分布式处理和多媒体大发展的时期。在各种高级程序设计语言中增加并发机构以支持分布式程序设计，在语言中通过扩展绘图子程序以支持计算机图形学程序设计成为当时程序设计语言的一种时尚。之后，在模数/数模转换等接口技术和数据库技术的支持下，通过扩展高级语言的程序库又实现了多媒体程序设计的构想。进入20世纪90年代之后，并行计算机和分布式大规模异质计算机网络的发展又将并行程序设计语言、并行编译程序、并行操作系统、并行与分布式数据库系统等试行软件的开发的关键技术依然与高级语言和计算模型密切相关，如各种并行、并发程序设计语言，进程代数，PETRI网等，它们正是软件开发方法和技术的研究中支持不同阶段软件开发的程序设计语言和支持这些软件开发方法和技术的理论基础——计算模型。(3)计算机应用用计算机来代替人进行计算，就得首先研究计算方法和相应的计算机算法，进而编制计算机程序。由于早期计算机的应用主要集中在科学计算领域，因此，数值计算方法就成为最早的应用数学分支与计算机应用建立了联系。最初的时候，由于计算机的存储器容量很小，速度也不快，为了计算一些稍稍大一点的题目，人们常常要挖空心思研究怎样节省存储单元，怎样减少不需要的操作。为此，发展了像稀疏矩阵计算理论来进行方程组的求解；发展了杂凑函数来动态地存储、访问数据；发展了虚拟程序设计思想和程序覆盖技术在内存较小的计算机上运行较大的程序；在子程序和程序包的概念提出之后，许多人开始将数学中的一些通用计算公式和计算方法写成子程序，并进一步开发成程序包，通过简洁的调用命令向用户开放。子程序的提出是今日软件重用思想的开端。在计算机应用领域，科学计算是一个长久不衰的方向。该方向主要依赖于应用数学中的数值计算的发展，而数值计算的发展也受到来自计算机系统结构的影响。早期，科学计算主要在单机上进行，经历了从小规模数值分析到中大规模数值分析的阶段。随着并行计算机和分布式并行计算机的出现，并行数值计算开始成为科学计算的热点，处理的问题也从中大规模数值分析进入到中大规模复杂问题的计算。所谓中大规模复杂问题并不是由于数据的增大而使计算变得困难，使问题变得复杂，而主要是由于计算中考虑的因素太多，特别是一些因素具有不确定性而使计算变得困难，使问题变得复杂，其结果往往是在算法的研究中精度与复杂性的矛盾难于克服。几何是数学的一个分支，它实现了人类思维方式中的数形结合。在计算机发明之后，人们自然很容易联想到了用计算机来处理图形的问题，由此产生了计算机图形学。计算机图形学是使用计算机辅助产生图形并对图形进行处理的科学。并由此推动了计算机辅助设计（CAD）、计算机辅助教学（CAI）、计算机辅助信息处理、计算机辅助测试（CAT）等方向的发展。在各种实际应用系统的开发中，有一个重要的方向值得注意，即实时系统的开发。利用计算机证明数学定理被认为是人工智能的一个方向。人工智能的另一个方向是研究一种不依赖于任何领域的通用解题程序或通用解题系统，称为GPS。特别值得一提的是在专家系统的开发中发展了一批新的技术，如知识表示方法、不精确性推理技术等，积累了经验，加深了对人工智能的认识。20世纪70年代末期，一部分学者认识到了人工智能过去研究工作基础的薄弱，开始转而重视人工智能的逻辑基础研究，试图从总结和研究人类推理思维的一般规律出发去研究机器思维，并于1980年在《Artificial Intelligence》发表了一组非单调逻辑的研究论文。他们的工作立即得到一大批计算机科学家的响应，非单调逻辑的研究很快热火朝天地开展起来，人工智能的逻辑基础成为人工智能方向发展的主流。数据库技术、多媒体技术、图形学技术等的发展产生了两个新方向，即计算可视化技术与虚拟现实技术。随着计算机网络的发展，分布在全世界的各种计算机正在以惊人的速度相互连接起来。网络上每天都在进行着大量政治、经济、军事、外交、商贸、科学研究与艺术信息的交换与交流。网络上大量信息的频繁交换，虽然缩短了地域之间的距离，然而同时也使各种上网的信息资源处在一种很难设防的状态之中。于是，计算机信息安全受到各国政府的高度重视。除了下大力气研究对付计算机病毒的软硬件技术外，由于各种工作中保密的需要，计算机密码学的研究更多地受到各国政府的重视。实际上，在计算机科学中计算机模型和计算机理论与实现技术同样重要。但现在许多学生往往只注重某些计算机操作技术，而忽略了基础理论的学习，并因为自己是“操作高手”而沾沾自喜，这不仅限制了自己将研究工作不断推向深入，而且有可能使自己在学科发展中处于被动地位。例如，在20世纪50年代和20世纪60年代，我国随着计算机研制工作和软件开发工作的发展，陆续培养了在计算机制造和维护中对计算机某一方面设备十分精通的专家，他们能准确地弄清楚磁芯存储器、磁鼓、运算器、控制器，以及整机线路中哪一部分有问题并进行修理和故障排除，能够编制出使用最少存储单元而运算速度很快的程序，对机器代码相当熟悉。但是，当容量小的磁芯存储器、磁鼓、速度慢的运算器械、控制器很快被集成电路替代时，当程序设计和软件开发广泛使用高级语言、软件开发工具和新型软件开发方法后，这批技术精湛的专家，除少量具有坚实的数学基础、在工作中已有针对性地将研究工作转向其他方向的人之外，相当一部分专家伴随着新技术的出现，在替代原有技术的发展过程中而被淘汰。因此，在计算机科学中，计算比实现计算的技术更重要。只有打下坚实的理论基础，特别是数学基础，学习计算机科学技术才能事半功倍，只有建立在高起点理论基础之上的计算机科学技术，才有巨大的潜力和发展前景。计算机理论的一个核心问题我国计算机科学系里的传统是培养做学术研究，尤其是理论研究的人（方向不见得有多大的问题，但是做得不是那么尽如人意）。而计算机的理论研究，说到底了，如网络安全学，图形图像学，视频音频处理，哪个方向都与数学有着很大的关系，虽然也许是正统数学家眼里非主流的数学。这里我还想阐明我的一个观点：我们都知道，数学是从实际生活当中抽象出来的理论，人们之所以要将实际抽象成理论，目的就在于想用抽象出来的理论去更好的指导实践，有些数学研究工作者喜欢用一些现存的理论知识去推导若干条推论，殊不知其一：问题考虑不全很可能是个错误的推论，其二：他的推论在现实生活中找不到原型，不能指导实践。严格的说，我并不是一个理想主义者，政治课上学的理论联系实际一直是指导我学习科学文化知识的航标（至少我认为搞计算机科学与技术的应当本着这个方向）。我个人的浅见是：计算机系的学生，对数学的要求固然跟数学系不同，跟物理类差别则更大。通常非数学专业的所?高等数学"，无非是把数学分析中较困难的理论部分删去，强调套用公式计算而已。而对计算机系来说，数学分析里用处最大的恰恰是被删去的理论部分。记上一堆曲面积分的公式，难道就能算懂了数学？那倒不如现用现查，何必费事记呢？再不然直接用Mathematica或是Matlab好了。退一万步。华罗庚在数学上的造诣不用我去多说，但是他这光辉的一生做得我认为对我们来说，最重要的几件事情：首先是它筹建了中国科学院计算技术研究所，这是我们国家计算机科学的摇篮。在有就是他把很多的高等数学理论都交给了做工业生产的技术人员，推动了中国工业的进步。第三件就是他一生写过很多书，但是对高校师生价值更大的就是他在病期间在病床上和他的爱徒王元写了《高等数学引论》（王元与其说是他的爱徒不如说是他的同事，是中科院数学所的老一辈研究员，对歌德巴赫猜想的贡献全世界仅次于陈景润）这书在我们的图书馆里居然找得到，说实话，当时那个书上已经长了虫子，别人走到那里都会闪开，但我却格外感兴趣，上下两册看了个遍，我的最大收获并不在于理论的阐述，而是在于他的理论完全的实例化，在生活中去找模型。这也是我为什么比较喜欢具体数学的原因，正如我在上文中提到的，理论脱离了实践就失去了它存在的意义。正因为理论是从实践当中抽象出来的，所以理论的研究才能够更好的指导实践，不用于指导实践的理论可以说是毫无价值的。正如上面所论述的，计算机系的学生学习高等数学：知其然更要知其所以然。你学习的目的应该是：将抽象的理论再应用于实践，不但要掌握题目的解题方法，更要掌握解题思想，对于定理的学习：不是简单的应用，而是掌握证明过程即掌握定理的由来，训练自己的推理能力。只有这样才达到了学习这门科学的目的，同时也缩小了我们与数学系的同学之间思维上的差距。关于计算机技术的学习我想是这样的：学校开设的任何一门科学都有其滞后性，不要总认为自己掌握的某门技术就已经是天下无敌手了，虽然现在Java,VB,C,C++用的都很多，怎能保证没有被淘汰的一天，我想.NET平台的诞生和X#语言的初见端倪完全可以说明问题。换言之，在我们掌握一门新技术的同时就又有更新的技术产生，身为当代的大学生应当有紧跟科学发展的素质。举个例子，就像有些同学总说，我做网页设计就喜欢直接写html，不愿意用什么Frontpage,Dreamweaver。能用语言写网页固然很好，但有高效的手段你为什么不使呢？仅仅是为了显示自己的水平高，unique? 我看真正水平高的是能够以最快的速度接受新事物的人。高级程序设计语言的发展日新月异，今后的程序设计就像人们在说话一样，我想大家从xml中应是有所体会了。难道我们真就写个什么都要用汇编，以显示自己的水平高，真是这样倒不如直接用机器语言写算了。反过来说，想要以最快的速度接受并利用新技术关键还是在于你对计算机科学地把握程度。总的来说，从教育角度来讲，国内高校的课程安排不是很合理，强调理论，又不愿意在理论上深入教育，无力接受新技术，想避开新技术又无法避得一干二净。我觉得关键问题就是国内的高校难于突破现状，条条框框限制着怎么求发展。我们虽然认识得到国外教育的优越性，但为什么迟迟不能采取行动？哪怕是去粗取精的取那么一点点。

以一个课题为例,研究方程的解法例如我曾经看到一个题目,要求做一个物件从一百米高处用飞机投入海中,问这个物体的运动方式要求物件最后静止的位置有一些重力体积,水中的阻力啊,最大可承受深度等等最后得到微分方程,利用matlab求解.这是上次我帮同学做的一个题目希望给你一点提示