发布时间：
学术堂整理了二十条计算机方面的毕业论文题目,供大家参考:1、星连通圈网络和三角塔网络的若干性质研究2、中职《计算机应用基础》分层次教学研究3、基于MSP430单片机的电能质量检测仪设计4、光学遥感相机数据存储系统设计与实现5、基于单片机的级联型升压逆变器的设计及实现6、翻转课堂在职业学校《计算机应用基础》课程中的应用研究7、基于信息物理系统架构的微机接口远程实验系统设计与实现8、基于1553B总线的星务仿真系统设计9、曲面喷墨运动控制系统的研究10、项目教学法在中职计算机教学中的应用研究11、虚拟化在铁路数据中心的应用12、基于微信的学校学习支持服务的设计研究13、基于量化方法的高校师范生教学能力培养模式研究14、职业院校一体化课程教学模式研究15、应用于PowerPC处理器的乘法器设计与验证16、微项目学习在中职《计算机应用基础》课程教学中的应用研究17、信誉度约束下超边际分析的云存储资源分配研究18、机房环境监控系统的设计与实现19、计算机基础课的过程性测评系统设计20、3D打印机等层厚切片算法研究及软件实现
首先介绍下云计算，的发展历史，他的前身，现在的应用，然后在介绍现在计算机的应用，在应用之中的不足，然后，着重阐述云计算的优势，我这里有一份关于这方面的对比及心得，发给你，希望能帮到你。 云计算简史著名的美国计算机科学家、 图灵奖 (Turing Award) 得主麦卡锡 (John McCarthy,1927-) 在半个世纪前就曾思考过这个问题。 1961 年， 他在麻省理工学院 (MIT) 的百年纪念活动中做了一个演讲。 在那次演讲中， 他提出了象使用其它资源一样使用计算资源的想法，这就是时下 IT 界的时髦术语 “云计算” (Cloud Computing) 的核心想法。云计算中的这个 “云” 字虽然是后人所用的词汇， 但却颇有历史渊源。 早年的电信技术人员在画电话网络的示意图时， 一涉及到不必交待细节的部分， 就会画一团 “云” 来搪塞。 计算机网络的技术人员将这一偷懒的传统发扬光大， 就成为了云计算中的这个 “云” 字， 它泛指互联网上的某些 “云深不知处” 的部分， 是云计算中 “计算” 的实现场所。 而云计算中的这个 “计算” 也是泛指， 它几乎涵盖了计算机所能提供的一切资源。麦卡锡的这种想法在提出之初曾经风靡过一阵， 但真正的实现却是在互联网日益普及的上世纪末。 这其中一家具有先驱意义的公司是甲骨文 (Oracle) 前执行官贝尼奥夫 (Marc Benioff, 1964-) 创立的 Salesforce 公司。 1999 年， 这家公司开始将一种客户关系管理软件作为服务提供给用户， 很多用户在使用这项服务后提出了购买软件的意向， 该公司却死活不干， 坚持只作为服务提供， 这是云计算的一种典型模式， 叫做 “软件即服务” (Software as a Service， 简称 SaaS)。 这种模式的另一个例子， 是我们熟悉的网络电子邮箱 (因此读者哪怕是第一次听到 “云计算” 这个术语， 也不必有陌生感， 因为您多半已是它的老客户了)。 除了 “软件即服务” 外， 云计算还有其它几种典型模式， 比如向用户提供开发平台的 “平台即服务” (Platform as a Service， 简称 PaaS)， 其典型例子是谷歌公司 (Google) 的应用程序引擎 (Google App Engine)， 它能让用户创建自己的网络程序。 还有一种模式更彻底， 干脆向用户提供虚拟硬件， 叫做 “基础设施即服务” (Infrastructure as a Service， 简称 IaaS)， 其典型例子是亚马逊公司 (Amazon) 的弹性计算云 (Amazon Elastic Compute Cloud， 简称 EC2)， 它向用户提供虚拟主机， 用户具有管理员权限， 爱干啥就干啥， 跟使用自家机器一样。1．2云计算的概念狭义云计算是指计算机基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是计算机和软件、互联网相关的，也可以是其他的服务。云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。云计算的特点和优势（一）超大规模性。“云”具有相当的规模，Google云计算已经拥有100多万台服务器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。（二）虚拟化。云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现用户需要的一切，甚至包括超级计算这样的任务。[2]（三）高可靠性。“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。（四）通用性。云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。（五）高可扩展性。“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。（六）价格合适。由于“云”的特殊容错措施可以采用具有经济性的节点来构成“云”，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。云计算作为一种技术，与其它一些依赖互联网的技术——比如网格计算 (Grid Computing)——有一定的相似之处，但不可混为一谈。拿网格计算来说， 科学爱好者比较熟悉的例子是 SETI@Home，那是一个利用互联网上计算机的冗余计算能力搜索地外文明的计算项目，目前约有来自两百多个国家和地区的两百多万台计算机参与。它在 2009 年底的运算能力相当于当时全世界最快的超级计算机运算能力的三分之一。有些读者可能还知道另外一个例子：ZetaGrid，那是一个研究黎曼 ζ 函数零点分布的计算项目， 曾有过一万多台计算机参与 (但现在已经终止了，原因可参阅拙作 超越 ZetaGrid)。从这两个著名例子中我们可以看到网格计算的特点，那就是计算性质单一，但运算量巨大 (甚至永无尽头,比如 ZetaGrid)。而云计算的特点恰好相反，是计算性质五花八门，但运算量不大[注三]，这是它们的本质区别，也是云计算能够面向大众成为服务的根本原因。云计算能够流行，它到底有什么优点呢？ 我们举个例子来说明，设想你要开一家网络公司。按传统方法，你得有一大笔启动资金， 因为你要购买计算机和软件，你要租用机房，你还要雇专人来管理和维护计算机。 当你的公司运作起来时，业务总难免会时好时坏，为了在业务好的时候也能正常运转， 你的人力和硬件都要有一定的超前配置， 这也要花钱。 更要命的是， 无论硬件还是软件厂商都会频繁推出新版本， 你若不想被技术前沿抛弃， 就得花钱费力不断更新 (当然， 也别怪人家， 你的公司运作起来后没准也得这么赚别人的钱)。如果用云计算， 情况就不一样了： 计算机和软件都可以用云计算， 业务好的时候多用一点， 业务坏的时候少用一点， 费用就跟结算煤气费一样按实际用量来算， 无需任何超前配置[注四]。 一台虚拟服务器只需鼠标轻点几下就能到位， 不象实体机器， 从下定单， 到进货， 再到调试， 忙得四脚朝天不说， 起码得好几天的时间。虚拟服务器一旦不需要了， 鼠标一点就可以让它从你眼前 (以及账单里)消失。至于软硬件的升级换代，服务器的维护管理等，那都是云计算服务商的事，跟你没半毛钱的关系。更重要的是，开公司总是有风险的， 如果你试了一两个月后发现行不通，在关门大吉的时候，假如你用的是云计算，那你只需支付实际使用过的资源。假如你走的是传统路子，买了硬件、软件，雇了专人，那很多投资可就打水漂了。浅谈云计算的一个核心理念大规模消息通信：云计算的一个核心理念就是资源和软件功能都是以服务的形式进行发布的，不同服务之间经常需要通过消息通信进行协助。由于同步消息通信的低效率，我们只考虑异步通信。如Java Message Service是J2EE平台上的一个消息通信标准，J2EE应用程序可以通过JMS来创建，发送，接收，阅读消息。异步消息通信已经成为面向服务架构中组件解耦合及业务集成的重要技术。大规模分布式存储：分布式存储的目标是利用多台服务器的存储资源来满足单台服务器所不能满足的存储需求。分布式存储要求存储资源能够被抽象表示和统一管理，并且能够保证数据读写操作的安全性，可靠性，性能等各方面要求。下面是几个典型的分布式文件系统：◆Frangipani是一个可伸缩性很好的高兴能分布式文件系统，采用两层的服务体系架构：底层是一个分布式存储服务，该服务能够自动管理可伸缩，高可用的虚拟磁盘；上层运行着Frangipani分布式文件系统。◆JetFile是一个基于P2P的主播技术，支持在Internet这样的异构环境中分享文件的分布式文件系统。◆Ceph是一个高性能并且可靠地分布式文件系统，它通过把数据和对数据的管理在最大程度上分开来获取极佳的I/O性能。◆Google File System（GFS）是Google公司设计的可伸缩的分布式文件系统。GFS能够很好的支持大规模海量数据处理应用程序。在云计算环境中，数据的存储和操作都是以服务的形式提供的；数据的类型多种多样；必须满足数据操作对性能，可靠性，安全性和简单性的要求。在云计算环境下的大规模分布式存储方向，BigTable是Google公司设计的用来存储海量结构化数据的分布式存储系统；Dynamo是Amazon公司设计的一种基于键值对的分布式存储系统，它能提供非常高的可用性；Amazon公司的Simple Storage Service（S3）是一个支持大规模存储多媒体这样的二进制文件的云计算存储服务；Amazon公司的SimpleDB是建立在S3和Amazon EC2之上的用来存储结构化数据的云计算服务。许可证管理与计费：目前比较成熟的云环境计费模型是Amazon公司提供的Elastic Compute Cloud（EC2）和Simple Storage Service（S3）的按量计费模型，用户按占用的虚拟机单元，IP地址，带宽和存储空间付费。云计算的现状云计算是个热度很高的新名词。由于它是多种技术混合演进的结果，其成熟度较高，又有大公司推动，发展极为迅速。Amazon、Google、IBM、微软和Yahoo等大公司是云计算的先行者。云计算领域的众多成功公司还包括Salesforce、Facebook、Youtube、Myspace等。Amazon使用弹性计算云（EC2）和简单存储服务（S3）为企业提供计算和存储服务。收费的服务项目包括存储服务器、带宽、CPU资源以及月租费。月租费与电话月租费类似，存储服务器、带宽按容量收费，CPU根据时长(小时)运算量收费。Amazon把云计算做成一个大生意没有花太长的时间：不到两年时间，Amazon上的注册开发人员达44万人，还有为数众多的企业级用户。有第三方统计机构提供的数据显示，Amazon与云计算相关的业务收入已达1亿美元。云计算是Amazon增长最快的业务之一。Google当数最大的云计算的使用者。Google搜索引擎就建立在分布在200多个地点、超过100万台服务器的支撑之上，这些设施的数量正在迅猛增长。Google地球、地图、Gmail、Docs等也同样使用了这些基础设施。采用Google Docs之类的应用，用户数据会保存在互联网上的某个位置，可以通过任何一个与互联网相连的系统十分便利地访问这些数据。目前，Google已经允许第三方在Google的云计算中通过Google App Engine运行大型并行应用程序。Google值得称颂的是它不保守。它早已以发表学术论文的形式公开其云计算三大法宝：GFS、MapReduce和BigTable，并在美国、中国等高校开设如何进行云计算编程的课程。IBM在2007年11月推出了“改变游戏规则”的“蓝云”计算平台，为客户带来即买即用的云计算平台。它包括一系列的自动化、自我管理和自我修复的虚拟化云计算软件，使来自全球的应用可以访问分布式的大型服务器池。使得数据中心在类似于互联网的环境下运行计算。IBM正在与17个欧洲组织合作开展云计算项目。欧盟提供了亿欧元做为部分资金。该计划名为RESERVOIR，以“无障碍的资源和服务虚拟化”为口号。2008年8月， IBM宣布将投资约4亿美元用于其设在北卡罗来纳州和日本东京的云计算数据中心改造。IBM计划在2009年在10个国家投资3亿美元建13个云计算中心。微软紧跟云计算步伐，于2008年10月推出了Windows Azure操作系统。Azure(译为“蓝天”)是继Windows取代DOS之后，微软的又一次颠覆性转型——通过在互联网架构上打造新云计算平台，让Windows真正由PC延伸到“蓝天”上。微软拥有全世界数以亿计的Windows用户桌面和浏览器，现在它将它们连接到“蓝天”上。Azure的底层是微软全球基础服务系统，由遍布全球的第四代数据中心构成。云计算的新颖之处在于它几乎可以提供无限的廉价存储和计算能力。纽约一家名为Animoto的创业企业已证明云计算的强大能力（此案例引自和讯网维维编译《纽约时报》2008年5月25日报道）。Animoto允许用户上传图片和音乐，自动生成基于网络的视频演讲稿，并且能够与好友分享。该网站目前向注册用户提供免费服务。2008年年初，网站每天用户数约为5000人。4月中旬，由于Facebook用户开始使用Animoto服务，该网站在三天内的用户数大幅上升至75万人。Animoto联合创始人Stevie Clifton表示，为了满足用户需求的上升，该公司需要将服务器能力提高100倍，但是该网站既没有资金，也没有能力建立规模如此巨大的计算能力。因此，该网站与云计算服务公司RightScale合作，设计能够在亚马逊的网云中使用的应用程序。通过这一举措，该网站大大提高了计算能力，而费用只有每服务器每小时10美分。这样的方式也加强创业企业的灵活性。当需求下降时，Animoto只需减少所使用的服务器数量就可以降低服务器支出。在我国，云计算发展也非常迅猛。2008年5月10日，IBM在中国无锡太湖新城科教产业园建立的中国第一个云计算中心投入运营。2008年6月24日，IBM在北京IBM中国创新中心成立了第二家中国的云计算中心——IBM大中华区云计算中心；2008年11月28日，广东电子工业研究院与东莞松山湖科技产业园管委会签约，广东电子工业研究院将在东莞松山湖投资2亿元建立云计算平台；2008年12月30日，阿里巴巴集团旗下子公司阿里软件与江苏省南京市政府正式签订了2009年战略合作框架协议，计划于2009年初在南京建立国内首个“电子商务云计算中心”，首期投资额将达上亿元人民币；世纪互联推出了CloudEx产品线，包括完整的互联网主机服务"CloudEx Computing Service", 基于在线存储虚拟化的"CloudEx Storage Service"，供个人及企业进行互联网云端备份的数据保全服务等等系列互联网云计算服务；中国移动研究院做云计算的探索起步较早，已经完成了云计算中心试验。中移动董事长兼CEO王建宙认为云计算和互联网的移动化是未来发展方向。我国企业创造的“云安全”概念，在国际云计算领域独树一帜。云安全通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到服务端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。云安全的策略构想是：使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。云安全的发展像一阵风，瑞星、趋势、卡巴斯基、MCAFEE、SYMANTEC、江民科技、PANDA、金山、360安全卫士、卡卡上网安全助手等都推出了云安全解决方案。瑞星基于云安全策略开发的2009新品，每天拦截数百万次木马攻击，其中1月8日更是达到了765万余次。势科技云安全已经在全球建立了5大数据中心，几万部在线服务器。据悉，云安全可以支持平均每天55亿条点击查询，每天收集分析亿个样本，资料库第一次命中率就可以达到99%。借助云安全，趋势科技现在每天阻断的病毒感染最高达1000万次。值得一提的是，云安全的核心思想，与刘鹏早在2003年就提出的反垃圾邮件网格非常接近[1][2]。刘鹏当时认为，垃圾邮件泛滥而无法用技术手段很好地自动过滤，是因为所依赖的人工智能方法不是成熟技术。垃圾邮件的最大的特征是：它会将相同的内容发送给数以百万计的接收者。为此，可以建立一个分布式统计和学习平台，以大规模用户的协同计算来过滤垃圾邮件：首先，用户安装客户端，为收到的每一封邮件计算出一个唯一的“指纹”，通过比对“指纹”可以统计相似邮件的副本数，当副本数达到一定数量，就可以判定邮件是垃圾邮件；其次，由于互联网上多台计算机比一台计算机掌握的信息更多，因而可以采用分布式贝叶斯学习算法，在成百上千的客户端机器上实现协同学习过程，收集、分析并共享最新的信息。反垃圾邮件网格体现了真正的网格思想，每个加入系统的用户既是服务的对象，也是完成分布式统计功能的一个信息节点，随着系统规模的不断扩大，系统过滤垃圾邮件的准确性也会随之提高。用大规模统计方法来过滤垃圾邮件的做法比用人工智能的方法更成熟，不容易出现误判假阳性的情况，实用性很强。反垃圾邮件网格就是利用分布互联网里的千百万台主机的协同工作，来构建一道拦截垃圾邮件的“天网”。反垃圾邮件网格思想提出后，被IEEE Cluster 2003国际会议选为杰出网格项目在香港作了现场演示，在2004年网格计算国际研讨会上作了专题报告和现场演示，引起较为广泛的关注，受到了中国最大邮件服务提供商网易公司创办人丁磊等的重视。既然垃圾邮件可以如此处理，病毒、木马等亦然，这与云安全的思想就相去不远了。 2008年11月25日，中国电子学会专门成立了云计算专家委员会，聘任中国工程院院士李德毅为主任委员，聘任IBM大中华区首席技术总裁叶天正、中国电子科技集团公司第十五研究所所长刘爱民、中国工程院院士张尧学、Google全球副总裁/中国区总裁李开复、中国工程院院士倪光南、中国移动通信研究院院长黄晓庆六位专家为副主任委员，聘任国内外30多位知名专家学者为专家委员会委员。2009年5月22日，中国电子学会将于在北京中国大饭店隆重举办首届中国云计算大会。
1、利用网络编码减少存储开销以及修复带宽，这点和纠删码功能，可以参见FAST 会议2012论文NCCloud。2、利用网络编码达到数据的安全存储。3、利用网络编码减少云存储系统的能耗，这点是由第一点决定的，因为减少了存储开销就减少了存储设备，从而较少能耗。
【热心相助】请您看一下典型案例，参考两篇文献：1.云存储系统的网络编码更新模型[PDF].安全的网络编码所面临的挑战和对策祝您大吉大利、万事如意！
借问酒家何处有，牧童遥指杏花村。
html超文本标记语言是网页制作的基本语言，通过使用这些标准语言，可以让我们在网页上展示图片、文字、链接、音乐等，随着技术的进步，html第5代应运而生，它具有更多功能，可以展现视频、音频等，更加简化，下面跟着学术堂一起了解近年html论文参考文献。html论文参考文献一：[1]匡成宝。 HTML语言的网页制作方法与技巧探讨[J]. 电脑迷，2017,（03）：190-191.[2]张欣欣。 HTML及百度地图API在WebGIS中的应用实例研究[J]. 江苏科技信息，2017,（07）：63-65.[3]王秀萍，季金奎。 Word转换成Html的方法探析[J]. 福建电脑，2017,（01）：166+23.[4]马凌熙。 关于ASP程序在html中的调用[J]. 电子制作，2016,（24）：45.[5]罗正蓉，范灵。 应用HTML和CSS制作网页[J]. 科技展望，2016,（26）：10.[6]朱敏。 JavaScript在HTML中的应用探讨[J]. 科技视界，2016,（24）：227-228.[7]SENG SopheaK. 从HTML文档中基于模式的信息提取[D].北京交通大学，2016.[8]刘霜，潘立武。 HTML发展应用中的探索与研究[J]. 信息与电脑（理论版），2016,（11）：72-73.[9]魏佳欣，叶飞跃。 基于HTML特征与层次聚类的Web查询接口发现[J]. 计算机工程，2016,（02）：56-61.[10]柳汨。 基于HTML语言的网页制作浅析[J]. 中小企业管理与科技（上旬刊），2016,（01）：258.[11]齐慧平。 HTML语言的网页制作技巧与方法分析[J]. 电脑迷，2016,（01）：11+13.[12]苏磊，张玉，蔡斐。 科技期刊全文阅读模式PDF和HTML的对比与分析[J]. 编辑学报，2015,（S1）：17-19.[13]茹先古丽·吾守尔，艾合买提·阿布拉。 基于HTML语言的网页制作方法[J]. 经贸实践，2015,（09）：267.[14]刘曦恺。 HTML网页发展的可用性探析[J]. 通讯世界，2015,（12）：282.[15]王闯。 HTML语言的网页制作技巧与方法分析[J]. 无线互联科技，2015,（11）：38-39.[16]陈少林。 基于HTML代码分析的Web应用自动化测试方法研究[D].东南大学，2015.[17]管英祥，任渊博，向为锋。 基于HTML Canvas的电磁态势绘制方法[J]. 电脑知识与技术，2015,（14）：68-70.[18]刘全志，于治楼。 基于CSS选择器的HTML信息抽取研究[J]. 信息技术与信息化，2015,（03）：100-102.[19]夏飞，丁胜，孟振南，汤叶舟，谢景文。 基于云计算平台的HTML解析系统的设计与实现[J]. 现代计算机（专业版），2015,（01）：42-44+48.[20]潘敏。 基于PCA算法的HTML网页篡改检测定位系统[J]. 湖北师范学院学报（自然科学版），2014,（04）：21-24.[21]姜福成。 基于HTML5网页地图浏览器的开发与应用[J]. 计算机应用，2014,（S2）：364-367.[22]杜戎平。 用Java语言实现Excel表格数据到HTML表格数据的转换[J]. 电脑编程技巧与维护，2014,（23）：62-64.[23]郑培纯。 基于HTML5的多媒体播放网站[D].吉林大学，2014.[24]童莹。 HTML编辑器在JAVA WEB下的应用研究[J]. 无线互联科技，2014,（11）：140-141.[25]黄雄。 基于HTML5的视频传输技术研究[J]. 广东技术师范学院学报，2014,（11）：20-25.[26]胡晶。 基于HTML5离线存储的产品演示系统的开发[J]. 洛阳师范学院学报，2014,（11）：60-62+66.[27]矫静怡。 基于HTML5的多平台采购系统的设计与实现[D].大连理工大学，2014.[28]胡晶。 基于HTML5的Web移动应用开发研究[J]. 工业控制计算机，2014,（10）：80-81.[29]连政。 基于HTML5技术的移动Web前端设计与开发[D].浙江工业大学，2014.[30]张坤，吕义正。 HTML5客户端存储的安全性探析[J]. 黄山学院学报，2014,（05）：论文参考文献二：[31]黎志雄，黄彦湘，陈学中。 基于HTML5游戏开发的研究与实现[J]. 东莞理工学院学报，2014,（05）：48-53.[32]李正，张欣宇，冯一帆。 HTML5技术在移动互联网中的应用[J]. 信息通信技术，2014,（05）：71-75.[33]胡晶，朱发财。 HTML5的WEB通信机制问题研究[J]. 自动化应用，2014,（09）：15-17.[34]吴永军，王燕午，杨乃。 HTML 5新特性研究及其对WebGIS的影响分析[J]. 测绘标准化，2014,（03）：17-20.[35]张旭，杨斌。 基于HTML5+QNX的车载嵌入式应用解决方案[J]. 单片机与嵌入式系统应用，2014,（09）：32-34+52.[36]汪小锋，阮增辉，郑焜。 基于HTML5的移动医学影像可视化系统的研究[J]. 中国医疗设备，2014,（08）：49-51.[37]蒋东玉，田英鑫。 图像中表格转换成HTML表格的研究与实现[J]. 黑龙江科技信息，2014,（24）：172.[38]于万国。 用HTML+CSS+JavaScript实现计算器的设计[J]. 衡水学院学报，2014,（04）：27-30.[39]黄悦深。 基于HTML5的移动Web App开发[J]. 图书馆杂志，2014,（07）：72-77.[40]冯永亮。 HTML5本地数据存储技术研究[J]. 西安文理学院学报（自然科学版），2014,（03）：66-69.[41]钟迅科。 基于HTML5的跨平台移动Web应用与混合型应用的研究[J]. 现代计算机（专业版），2014,（19）：32-36.[42]丘嵘，谭德。 基于HTML5的混沌系统的数字化实现[J]. 现代电子技术，2014,（13）：50-52.[43]陈泽鹏。 基于HTML5技术的移动数字校园的研究与应用[D].湖南大学，2014.[44]林青，李健。 PDF文档HTML化中文本重排问题研究[J]. 电脑与信息技术，2014,（03）：27-30.[45]赵勇军，符红霞。 在嵌入式浏览器中基于HTML的滚动显示效果实现方法研究[J]. 智能计算机与应用，2014,（03）：100-102.[46]林青。 支持多终端HTML资源生成的PDF转化系统研究与实现[D].北京工业大学，2014.[47]胡晶。 HTML5中Canvas与Flash的应用研究[J]. 宁德师范学院学报（自然科学版），2014,（02）：151-155.[48]高旺，李树超，高峰，任祥花，李申。 基于HTML5的中小型智能仓库管理系统的设计与实现[J]. 电子技术，2014,（05）：36-38.[49]李施霖，管卫利，杨燕。 用HTML5技术实现在线图片编辑[J]. 大众科技，2014,（05）：4-7+12.[50]徐鑫鑫。 基于HTML5和SVG跨平台工控图形组态软件的研发[D].南京大学，2014.[51]刘沧生，管希东，李淑芝，兰红。 基于HTML5的PPT智能模板设计[J]. 软件工程师，2014,（05）：53-55+48.[52]赵宁。 关于HTML5网页异化现象的分析[D].东北师范大学，2014.[53]黄雄。 基于HTML5的视频音频传输技术的研究与设计[D].广东技术师范学院，2014.[54]刘国红。 HTML5在移动互联网开发中的应用[J]. 科技广场，2014,（04）：59-62.[55]王冉。 运用HTML5技术解决移动阅读发展中的制约因素[J]. 情报探索，2014,（04）：88-91.[56]左正，胡昱，段云岭，李庆斌，冯金铭，张丽媛。 基于第5代HTML标准的拱坝工程三维可视化网络平台[J]. 计算机辅助设计与图形学学报，2014,（04）：590-596.[57]Alexey Demin,代沅兴，李新，王宛山。 基于HTML5与WebGL的机器人3D环境下的运动学仿真[J]. 东北大学学报（自然科学版），2014,（04）：564-568.[58]高跃，韩鹏，王少青。 基于HTML5的数学公式渲染研究与实现[J]. 计算机应用与软件，2014,（04）：15-18+55.[59]梁艳。 基于HTML5的WebRTC技术浅析[J]. 信息通信技术，2014,（02）：52-56.[60]张卫国。 基于HTML5的2D动画的设计与实现[D].中山大学，论文参考文献三：[61]胡晶，朱发财。 HTML5的WEB通信机制问题研究[J]. 办公自动化，2014,（07）：42-44+24.[62]凌霄。 基于HTML5的初中化学网络学习平台的设计与开发[D].四川师范大学，2014.[63]杨元超。 基于HTML5的即时战略游戏的设计与实现[D].电子科技大学，2014.[64]严伟中。 关于HTML5的核心技术研究与应用[J]. 网络安全技术与应用，2014,（03）：30+32.[65]魏洁。 基于HTML5技术的典型云存储应用设计与实现[D].北京邮电大学，2014.
《HTML5布局之路》
《CSS禅意花园》
HTML5学堂
W3C
mozilla
你去w3c上边学习
首先介绍下云计算，的发展历史，他的前身，现在的应用，然后在介绍现在计算机的应用，在应用之中的不足，然后，着重阐述云计算的优势，我这里有一份关于这方面的对比及心得，发给你，希望能帮到你。 云计算简史著名的美国计算机科学家、 图灵奖 (Turing Award) 得主麦卡锡 (John McCarthy,1927-) 在半个世纪前就曾思考过这个问题。 1961 年， 他在麻省理工学院 (MIT) 的百年纪念活动中做了一个演讲。 在那次演讲中， 他提出了象使用其它资源一样使用计算资源的想法，这就是时下 IT 界的时髦术语 “云计算” (Cloud Computing) 的核心想法。云计算中的这个 “云” 字虽然是后人所用的词汇， 但却颇有历史渊源。 早年的电信技术人员在画电话网络的示意图时， 一涉及到不必交待细节的部分， 就会画一团 “云” 来搪塞。 计算机网络的技术人员将这一偷懒的传统发扬光大， 就成为了云计算中的这个 “云” 字， 它泛指互联网上的某些 “云深不知处” 的部分， 是云计算中 “计算” 的实现场所。 而云计算中的这个 “计算” 也是泛指， 它几乎涵盖了计算机所能提供的一切资源。麦卡锡的这种想法在提出之初曾经风靡过一阵， 但真正的实现却是在互联网日益普及的上世纪末。 这其中一家具有先驱意义的公司是甲骨文 (Oracle) 前执行官贝尼奥夫 (Marc Benioff, 1964-) 创立的 Salesforce 公司。 1999 年， 这家公司开始将一种客户关系管理软件作为服务提供给用户， 很多用户在使用这项服务后提出了购买软件的意向， 该公司却死活不干， 坚持只作为服务提供， 这是云计算的一种典型模式， 叫做 “软件即服务” (Software as a Service， 简称 SaaS)。 这种模式的另一个例子， 是我们熟悉的网络电子邮箱 (因此读者哪怕是第一次听到 “云计算” 这个术语， 也不必有陌生感， 因为您多半已是它的老客户了)。 除了 “软件即服务” 外， 云计算还有其它几种典型模式， 比如向用户提供开发平台的 “平台即服务” (Platform as a Service， 简称 PaaS)， 其典型例子是谷歌公司 (Google) 的应用程序引擎 (Google App Engine)， 它能让用户创建自己的网络程序。 还有一种模式更彻底， 干脆向用户提供虚拟硬件， 叫做 “基础设施即服务” (Infrastructure as a Service， 简称 IaaS)， 其典型例子是亚马逊公司 (Amazon) 的弹性计算云 (Amazon Elastic Compute Cloud， 简称 EC2)， 它向用户提供虚拟主机， 用户具有管理员权限， 爱干啥就干啥， 跟使用自家机器一样。1．2云计算的概念狭义云计算是指计算机基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是计算机和软件、互联网相关的，也可以是其他的服务。云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。云计算的特点和优势（一）超大规模性。“云”具有相当的规模，Google云计算已经拥有100多万台服务器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。（二）虚拟化。云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现用户需要的一切，甚至包括超级计算这样的任务。[2]（三）高可靠性。“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。（四）通用性。云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。（五）高可扩展性。“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。（六）价格合适。由于“云”的特殊容错措施可以采用具有经济性的节点来构成“云”，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。云计算作为一种技术，与其它一些依赖互联网的技术——比如网格计算 (Grid Computing)——有一定的相似之处，但不可混为一谈。拿网格计算来说， 科学爱好者比较熟悉的例子是 SETI@Home，那是一个利用互联网上计算机的冗余计算能力搜索地外文明的计算项目，目前约有来自两百多个国家和地区的两百多万台计算机参与。它在 2009 年底的运算能力相当于当时全世界最快的超级计算机运算能力的三分之一。有些读者可能还知道另外一个例子：ZetaGrid，那是一个研究黎曼 ζ 函数零点分布的计算项目， 曾有过一万多台计算机参与 (但现在已经终止了，原因可参阅拙作 超越 ZetaGrid)。从这两个著名例子中我们可以看到网格计算的特点，那就是计算性质单一，但运算量巨大 (甚至永无尽头,比如 ZetaGrid)。而云计算的特点恰好相反，是计算性质五花八门，但运算量不大[注三]，这是它们的本质区别，也是云计算能够面向大众成为服务的根本原因。云计算能够流行，它到底有什么优点呢？ 我们举个例子来说明，设想你要开一家网络公司。按传统方法，你得有一大笔启动资金， 因为你要购买计算机和软件，你要租用机房，你还要雇专人来管理和维护计算机。 当你的公司运作起来时，业务总难免会时好时坏，为了在业务好的时候也能正常运转， 你的人力和硬件都要有一定的超前配置， 这也要花钱。 更要命的是， 无论硬件还是软件厂商都会频繁推出新版本， 你若不想被技术前沿抛弃， 就得花钱费力不断更新 (当然， 也别怪人家， 你的公司运作起来后没准也得这么赚别人的钱)。如果用云计算， 情况就不一样了： 计算机和软件都可以用云计算， 业务好的时候多用一点， 业务坏的时候少用一点， 费用就跟结算煤气费一样按实际用量来算， 无需任何超前配置[注四]。 一台虚拟服务器只需鼠标轻点几下就能到位， 不象实体机器， 从下定单， 到进货， 再到调试， 忙得四脚朝天不说， 起码得好几天的时间。虚拟服务器一旦不需要了， 鼠标一点就可以让它从你眼前 (以及账单里)消失。至于软硬件的升级换代，服务器的维护管理等，那都是云计算服务商的事，跟你没半毛钱的关系。更重要的是，开公司总是有风险的， 如果你试了一两个月后发现行不通，在关门大吉的时候，假如你用的是云计算，那你只需支付实际使用过的资源。假如你走的是传统路子，买了硬件、软件，雇了专人，那很多投资可就打水漂了。浅谈云计算的一个核心理念大规模消息通信：云计算的一个核心理念就是资源和软件功能都是以服务的形式进行发布的，不同服务之间经常需要通过消息通信进行协助。由于同步消息通信的低效率，我们只考虑异步通信。如Java Message Service是J2EE平台上的一个消息通信标准，J2EE应用程序可以通过JMS来创建，发送，接收，阅读消息。异步消息通信已经成为面向服务架构中组件解耦合及业务集成的重要技术。大规模分布式存储：分布式存储的目标是利用多台服务器的存储资源来满足单台服务器所不能满足的存储需求。分布式存储要求存储资源能够被抽象表示和统一管理，并且能够保证数据读写操作的安全性，可靠性，性能等各方面要求。下面是几个典型的分布式文件系统：◆Frangipani是一个可伸缩性很好的高兴能分布式文件系统，采用两层的服务体系架构：底层是一个分布式存储服务，该服务能够自动管理可伸缩，高可用的虚拟磁盘；上层运行着Frangipani分布式文件系统。◆JetFile是一个基于P2P的主播技术，支持在Internet这样的异构环境中分享文件的分布式文件系统。◆Ceph是一个高性能并且可靠地分布式文件系统，它通过把数据和对数据的管理在最大程度上分开来获取极佳的I/O性能。◆Google File System（GFS）是Google公司设计的可伸缩的分布式文件系统。GFS能够很好的支持大规模海量数据处理应用程序。在云计算环境中，数据的存储和操作都是以服务的形式提供的；数据的类型多种多样；必须满足数据操作对性能，可靠性，安全性和简单性的要求。在云计算环境下的大规模分布式存储方向，BigTable是Google公司设计的用来存储海量结构化数据的分布式存储系统；Dynamo是Amazon公司设计的一种基于键值对的分布式存储系统，它能提供非常高的可用性；Amazon公司的Simple Storage Service（S3）是一个支持大规模存储多媒体这样的二进制文件的云计算存储服务；Amazon公司的SimpleDB是建立在S3和Amazon EC2之上的用来存储结构化数据的云计算服务。许可证管理与计费：目前比较成熟的云环境计费模型是Amazon公司提供的Elastic Compute Cloud（EC2）和Simple Storage Service（S3）的按量计费模型，用户按占用的虚拟机单元，IP地址，带宽和存储空间付费。云计算的现状云计算是个热度很高的新名词。由于它是多种技术混合演进的结果，其成熟度较高，又有大公司推动，发展极为迅速。Amazon、Google、IBM、微软和Yahoo等大公司是云计算的先行者。云计算领域的众多成功公司还包括Salesforce、Facebook、Youtube、Myspace等。Amazon使用弹性计算云（EC2）和简单存储服务（S3）为企业提供计算和存储服务。收费的服务项目包括存储服务器、带宽、CPU资源以及月租费。月租费与电话月租费类似，存储服务器、带宽按容量收费，CPU根据时长(小时)运算量收费。Amazon把云计算做成一个大生意没有花太长的时间：不到两年时间，Amazon上的注册开发人员达44万人，还有为数众多的企业级用户。有第三方统计机构提供的数据显示，Amazon与云计算相关的业务收入已达1亿美元。云计算是Amazon增长最快的业务之一。Google当数最大的云计算的使用者。Google搜索引擎就建立在分布在200多个地点、超过100万台服务器的支撑之上，这些设施的数量正在迅猛增长。Google地球、地图、Gmail、Docs等也同样使用了这些基础设施。采用Google Docs之类的应用，用户数据会保存在互联网上的某个位置，可以通过任何一个与互联网相连的系统十分便利地访问这些数据。目前，Google已经允许第三方在Google的云计算中通过Google App Engine运行大型并行应用程序。Google值得称颂的是它不保守。它早已以发表学术论文的形式公开其云计算三大法宝：GFS、MapReduce和BigTable，并在美国、中国等高校开设如何进行云计算编程的课程。IBM在2007年11月推出了“改变游戏规则”的“蓝云”计算平台，为客户带来即买即用的云计算平台。它包括一系列的自动化、自我管理和自我修复的虚拟化云计算软件，使来自全球的应用可以访问分布式的大型服务器池。使得数据中心在类似于互联网的环境下运行计算。IBM正在与17个欧洲组织合作开展云计算项目。欧盟提供了亿欧元做为部分资金。该计划名为RESERVOIR，以“无障碍的资源和服务虚拟化”为口号。2008年8月， IBM宣布将投资约4亿美元用于其设在北卡罗来纳州和日本东京的云计算数据中心改造。IBM计划在2009年在10个国家投资3亿美元建13个云计算中心。微软紧跟云计算步伐，于2008年10月推出了Windows Azure操作系统。Azure(译为“蓝天”)是继Windows取代DOS之后，微软的又一次颠覆性转型——通过在互联网架构上打造新云计算平台，让Windows真正由PC延伸到“蓝天”上。微软拥有全世界数以亿计的Windows用户桌面和浏览器，现在它将它们连接到“蓝天”上。Azure的底层是微软全球基础服务系统，由遍布全球的第四代数据中心构成。云计算的新颖之处在于它几乎可以提供无限的廉价存储和计算能力。纽约一家名为Animoto的创业企业已证明云计算的强大能力（此案例引自和讯网维维编译《纽约时报》2008年5月25日报道）。Animoto允许用户上传图片和音乐，自动生成基于网络的视频演讲稿，并且能够与好友分享。该网站目前向注册用户提供免费服务。2008年年初，网站每天用户数约为5000人。4月中旬，由于Facebook用户开始使用Animoto服务，该网站在三天内的用户数大幅上升至75万人。Animoto联合创始人Stevie Clifton表示，为了满足用户需求的上升，该公司需要将服务器能力提高100倍，但是该网站既没有资金，也没有能力建立规模如此巨大的计算能力。因此，该网站与云计算服务公司RightScale合作，设计能够在亚马逊的网云中使用的应用程序。通过这一举措，该网站大大提高了计算能力，而费用只有每服务器每小时10美分。这样的方式也加强创业企业的灵活性。当需求下降时，Animoto只需减少所使用的服务器数量就可以降低服务器支出。在我国，云计算发展也非常迅猛。2008年5月10日，IBM在中国无锡太湖新城科教产业园建立的中国第一个云计算中心投入运营。2008年6月24日，IBM在北京IBM中国创新中心成立了第二家中国的云计算中心——IBM大中华区云计算中心；2008年11月28日，广东电子工业研究院与东莞松山湖科技产业园管委会签约，广东电子工业研究院将在东莞松山湖投资2亿元建立云计算平台；2008年12月30日，阿里巴巴集团旗下子公司阿里软件与江苏省南京市政府正式签订了2009年战略合作框架协议，计划于2009年初在南京建立国内首个“电子商务云计算中心”，首期投资额将达上亿元人民币；世纪互联推出了CloudEx产品线，包括完整的互联网主机服务"CloudEx Computing Service", 基于在线存储虚拟化的"CloudEx Storage Service"，供个人及企业进行互联网云端备份的数据保全服务等等系列互联网云计算服务；中国移动研究院做云计算的探索起步较早，已经完成了云计算中心试验。中移动董事长兼CEO王建宙认为云计算和互联网的移动化是未来发展方向。我国企业创造的“云安全”概念，在国际云计算领域独树一帜。云安全通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到服务端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。云安全的策略构想是：使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。云安全的发展像一阵风，瑞星、趋势、卡巴斯基、MCAFEE、SYMANTEC、江民科技、PANDA、金山、360安全卫士、卡卡上网安全助手等都推出了云安全解决方案。瑞星基于云安全策略开发的2009新品，每天拦截数百万次木马攻击，其中1月8日更是达到了765万余次。势科技云安全已经在全球建立了5大数据中心，几万部在线服务器。据悉，云安全可以支持平均每天55亿条点击查询，每天收集分析亿个样本，资料库第一次命中率就可以达到99%。借助云安全，趋势科技现在每天阻断的病毒感染最高达1000万次。值得一提的是，云安全的核心思想，与刘鹏早在2003年就提出的反垃圾邮件网格非常接近[1][2]。刘鹏当时认为，垃圾邮件泛滥而无法用技术手段很好地自动过滤，是因为所依赖的人工智能方法不是成熟技术。垃圾邮件的最大的特征是：它会将相同的内容发送给数以百万计的接收者。为此，可以建立一个分布式统计和学习平台，以大规模用户的协同计算来过滤垃圾邮件：首先，用户安装客户端，为收到的每一封邮件计算出一个唯一的“指纹”，通过比对“指纹”可以统计相似邮件的副本数，当副本数达到一定数量，就可以判定邮件是垃圾邮件；其次，由于互联网上多台计算机比一台计算机掌握的信息更多，因而可以采用分布式贝叶斯学习算法，在成百上千的客户端机器上实现协同学习过程，收集、分析并共享最新的信息。反垃圾邮件网格体现了真正的网格思想，每个加入系统的用户既是服务的对象，也是完成分布式统计功能的一个信息节点，随着系统规模的不断扩大，系统过滤垃圾邮件的准确性也会随之提高。用大规模统计方法来过滤垃圾邮件的做法比用人工智能的方法更成熟，不容易出现误判假阳性的情况，实用性很强。反垃圾邮件网格就是利用分布互联网里的千百万台主机的协同工作，来构建一道拦截垃圾邮件的“天网”。反垃圾邮件网格思想提出后，被IEEE Cluster 2003国际会议选为杰出网格项目在香港作了现场演示，在2004年网格计算国际研讨会上作了专题报告和现场演示，引起较为广泛的关注，受到了中国最大邮件服务提供商网易公司创办人丁磊等的重视。既然垃圾邮件可以如此处理，病毒、木马等亦然，这与云安全的思想就相去不远了。 2008年11月25日，中国电子学会专门成立了云计算专家委员会，聘任中国工程院院士李德毅为主任委员，聘任IBM大中华区首席技术总裁叶天正、中国电子科技集团公司第十五研究所所长刘爱民、中国工程院院士张尧学、Google全球副总裁/中国区总裁李开复、中国工程院院士倪光南、中国移动通信研究院院长黄晓庆六位专家为副主任委员，聘任国内外30多位知名专家学者为专家委员会委员。2009年5月22日，中国电子学会将于在北京中国大饭店隆重举办首届中国云计算大会。
分布式系统在互联网时代，尤其是大数据时代到来之后，成为了每个程序员的必备技能之一。分布式系统从上个世纪80年代就开始有了不少出色的研究和论文，我在这里只列举最近15年范围以内我觉得有重大影响意义的15篇论文（15 within 15）。1. The Google File System: 这是分布式文件系统领域划时代意义的论文，文中的多副本机制、控制流与数据流隔离和追加写模式等概念几乎成为了分布式文件系统领域的标准，其影响之深远通过其5000+的引用就可见一斑了，Apache Hadoop鼎鼎大名的HDFS就是GFS的模仿之作；2. MapReduce: Simplified Data Processing on Large Clusters：这篇也是Google的大作，通过Map和Reduce两个操作，大大简化了分布式计算的复杂度，使得任何需要的程序员都可以编写分布式计算程序，其中使用到的技术值得我们好好学习：简约而不简单！Hadoop也根据这篇论文做了一个开源的MapReduce；3. Bigtable: A Distributed Storage System for Structured Data：Google在NoSQL领域的分布式表格系统，LSM树的最好使用范例，广泛使用到了网页索引存储、YouTube数据管理等业务，Hadoop对应的开源系统叫HBase（我在前公司任职时也开发过一个相应的系统叫BladeCube，性能较HBase有数倍提升）；4. The Chubby lock service for loosely-coupled distributed systems：Google的分布式锁服务，基于Paxos协议，这篇文章相比于前三篇可能知道的人就少了，但是其对应的开源系统zookeeper几乎是每个后端同学都接触过，其影响力其实不亚于前三篇；5. Finding a Needle in Haystack: Facebook's Photo Storage：facebook的在线图片存储系统，目前来看是对小文件存储的最好解决方案之一，facebook目前通过该系统存储了超过300PB的数据，一个师兄就在这个团队工作，听过很多有意思的事情（我在前公司的时候开发过一个类似的系统pallas，不仅支持副本，还支持Reed Solomon-LRC，性能也有较多优化）；6. Windows Azure Storage: a highly available cloud storage service with strong consistency：windows azure的总体介绍文章，是一篇很好的描述云存储架构的论文，其中通过分层来同时保证可用性和一致性的思路在现实工作中也给了我很多启发；7. GraphLab: A New Framework for Parallel Machine Learning：CMU基于图计算的分布式机器学习框架，目前已经成立了专门的商业公司，在分布式机器学习上很有两把刷子，其单机版的GraphChi在百万维度的矩阵分解都只需要2~3分钟；8. Resilient Distributed Datasets: A Fault-Tolerant Abstraction forIn-Memory Cluster Computing：其实就是 Spark，目前这两年最流行的内存计算模式，通过RDD和lineage大大简化了分布式计算框架，通常几行scala代码就可以搞定原来上千行MapReduce代码才能搞定的问题，大有取代MapReduce的趋势；9. Scaling Distributed Machine Learning with the Parameter Server：百度少帅李沐大作，目前大规模分布式学习各家公司主要都是使用ps，ps具备良好的可扩展性，使得大数据时代的大规模分布式学习成为可能，包括Google的深度学习模型也是通过ps训练实现，是目前最流行的分布式学习框架，豆瓣的开源系统paracell也是ps的一个实现；10. Dremel: Interactive Analysis of Web-Scale Datasets：Google的大规模（近）实时数据分析系统，号称可以在3秒相应1PB数据的分析请求，内部使用到了查询树来优化分析速度，其开源实现为Drill，在工业界对实时数据分析也是比价有影响力；11. Pregel: a system for large-scale graph processing: Google的大规模图计算系统，相当长一段时间是Google PageRank的主要计算系统，对开源的影响也很大（包括GraphLab和GraphChi）；12. Spanner: Google's Globally-Distributed Database：这是第一个全球意义上的分布式数据库，Google的出品。其中介绍了很多一致性方面的设计考虑，简单起见，还采用了GPS和原子钟确保时间最大误差在20ns以内，保证了事务的时间序，同样在分布式系统方面具有很强的借鉴意义；13. Dynamo: Amazon’s Highly Available Key-value Store：Amazon的分布式NoSQL数据库，意义相当于BigTable对于Google，于BigTable不同的是，Dynamo保证CAP中的AP，C通过vector clock做弱保证，对应的开源系统为Cassandra；14. S4: Distributed Stream Computing Platform：Yahoo出品的流式计算系统，目前最流行的两大流式计算系统之一（另一个是storm），Yahoo的主要广告计算平台；15. Storm @Twitter：这个系统不多说，开启了流式计算的新纪元，几乎是所有公司流式计算的首选，绝对值得关注；
这个链接你看是不是提纲式的浅谈云计算 摘要云计算是当前计算机领域的一个热点。它的出现宣告了低成本提供超级计算时代的到来。云计算将改变人们获取信息、分享内容和互相沟通的方式。此文阐述了云计算的简史、概念、特点、现状、保护、应用和发展前景，并对云计算的发展及前景进行了分析。关键词： 云计算特点， 云计算保护， 云计算应用．1云计算简史著名的美国计算机科学家、 图灵奖 (Turing Award) 得主麦卡锡 (John McCarthy,1927-) 在半个世纪前就曾思考过这个问题。 1961 年， 他在麻省理工学院 (MIT) 的百年纪念活动中做了一个演讲。 在那次演讲中， 他提出了象使用其它资源一样使用计算资源的想法，这就是时下 IT 界的时髦术语 “云计算” (Cloud Computing) 的核心想法。云计算中的这个 “云” 字虽然是后人所用的词汇， 但却颇有历史渊源。 早年的电信技术人员在画电话网络的示意图时， 一涉及到不必交待细节的部分， 就会画一团 “云” 来搪塞。 计算机网络的技术人员将这一偷懒的传统发扬光大， 就成为了云计算中的这个 “云” 字， 它泛指互联网上的某些 “云深不知处” 的部分， 是云计算中 “计算” 的实现场所。 而云计算中的这个 “计算” 也是泛指， 它几乎涵盖了计算机所能提供的一切资源。麦卡锡的这种想法在提出之初曾经风靡过一阵， 但真正的实现却是在互联网日益普及的上世纪末。 这其中一家具有先驱意义的公司是甲骨文 (Oracle) 前执行官贝尼奥夫 (Marc Benioff, 1964-) 创立的 Salesforce 公司。 1999 年， 这家公司开始将一种客户关系管理软件作为服务提供给用户， 很多用户在使用这项服务后提出了购买软件的意向， 该公司却死活不干， 坚持只作为服务提供， 这是云计算的一种典型模式， 叫做 “软件即服务” (Software as a Service， 简称 SaaS)。 这种模式的另一个例子， 是我们熟悉的网络电子邮箱 (因此读者哪怕是第一次听到 “云计算” 这个术语， 也不必有陌生感， 因为您多半已是它的老客户了)。 除了 “软件即服务” 外， 云计算还有其它几种典型模式， 比如向用户提供开发平台的 “平台即服务” (Platform as a Service， 简称 PaaS)， 其典型例子是谷歌公司 (Google) 的应用程序引擎 (Google App Engine)， 它能让用户创建自己的网络程序。 还有一种模式更彻底， 干脆向用户提供虚拟硬件， 叫做 “基础设施即服务” (Infrastructure as a Service， 简称 IaaS)， 其典型例子是亚马逊公司 (Amazon) 的弹性计算云 (Amazon Elastic Compute Cloud， 简称 EC2)， 它向用户提供虚拟主机， 用户具有管理员权限， 爱干啥就干啥， 跟使用自家机器一样。1．2云计算的概念狭义云计算是指计算机基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是计算机和软件、互联网相关的，也可以是其他的服务。云计算是并行计算(Parallel Computing)、分布式计算(Distributed Computing)和网格计算(Grid Computing)的发展，或者说是这些计算机科学概念的商业实现。云计算是虚拟化(Virtualization)、效用计算(Utility Computing)、IaaS(基础设施即服务)、PaaS(平台即服务)、SaaS(软件即服务)等概念混合演进并跃升的结果。云计算的特点和优势（一）超大规模性。“云”具有相当的规模，Google云计算已经拥有100多万台服务器，Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。（二）虚拟化。云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现用户需要的一切，甚至包括超级计算这样的任务。[2]（三）高可靠性。“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。（四）通用性。云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。（五）高可扩展性。“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。（六）价格合适。由于“云”的特殊容错措施可以采用具有经济性的节点来构成“云”，“云”的自动化集中式管理使大量企业无需负担日益高昂的数据中心管理成本，“云”的通用性使资源的利用率较之传统系统大幅提升，因此用户可以充分享受“云”的低成本优势，经常只要花费几百美元、几天时间就能完成以前需要数万美元、数月时间才能完成的任务。云计算作为一种技术，与其它一些依赖互联网的技术——比如网格计算 (Grid Computing)——有一定的相似之处，但不可混为一谈。拿网格计算来说， 科学爱好者比较熟悉的例子是 SETI@Home，那是一个利用互联网上计算机的冗余计算能力搜索地外文明的计算项目，目前约有来自两百多个国家和地区的两百多万台计算机参与。它在 2009 年底的运算能力相当于当时全世界最快的超级计算机运算能力的三分之一。有些读者可能还知道另外一个例子：ZetaGrid，那是一个研究黎曼 ζ 函数零点分布的计算项目， 曾有过一万多台计算机参与 (但现在已经终止了，原因可参阅拙作 超越 ZetaGrid)。从这两个著名例子中我们可以看到网格计算的特点，那就是计算性质单一，但运算量巨大 (甚至永无尽头,比如 ZetaGrid)。而云计算的特点恰好相反，是计算性质五花八门，但运算量不大[注三]，这是它们的本质区别，也是云计算能够面向大众成为服务的根本原因。云计算能够流行，它到底有什么优点呢？ 我们举个例子来说明，设想你要开一家网络公司。按传统方法，你得有一大笔启动资金， 因为你要购买计算机和软件，你要租用机房，你还要雇专人来管理和维护计算机。 当你的公司运作起来时，业务总难免会时好时坏，为了在业务好的时候也能正常运转， 你的人力和硬件都要有一定的超前配置， 这也要花钱。 更要命的是， 无论硬件还是软件厂商都会频繁推出新版本， 你若不想被技术前沿抛弃， 就得花钱费力不断更新 (当然， 也别怪人家， 你的公司运作起来后没准也得这么赚别人的钱)。如果用云计算， 情况就不一样了： 计算机和软件都可以用云计算， 业务好的时候多用一点， 业务坏的时候少用一点， 费用就跟结算煤气费一样按实际用量来算， 无需任何超前配置[注四]。 一台虚拟服务器只需鼠标轻点几下就能到位， 不象实体机器， 从下定单， 到进货， 再到调试， 忙得四脚朝天不说， 起码得好几天的时间。虚拟服务器一旦不需要了， 鼠标一点就可以让它从你眼前 (以及账单里)消失。至于软硬件的升级换代，服务器的维护管理等，那都是云计算服务商的事，跟你没半毛钱的关系。更重要的是，开公司总是有风险的， 如果你试了一两个月后发现行不通，在关门大吉的时候，假如你用的是云计算，那你只需支付实际使用过的资源。假如你走的是传统路子，买了硬件、软件，雇了专人，那很多投资可就打水漂了。浅谈云计算的一个核心理念大规模消息通信：云计算的一个核心理念就是资源和软件功能都是以服务的形式进行发布的，不同服务之间经常需要通过消息通信进行协助。由于同步消息通信的低效率，我们只考虑异步通信。如Java Message Service是J2EE平台上的一个消息通信标准，J2EE应用程序可以通过JMS来创建，发送，接收，阅读消息。异步消息通信已经成为面向服务架构中组件解耦合及业务集成的重要技术。大规模分布式存储：分布式存储的目标是利用多台服务器的存储资源来满足单台服务器所不能满足的存储需求。分布式存储要求存储资源能够被抽象表示和统一管理，并且能够保证数据读写操作的安全性，可靠性，性能等各方面要求。下面是几个典型的分布式文件系统：◆Frangipani是一个可伸缩性很好的高兴能分布式文件系统，采用两层的服务体系架构：底层是一个分布式存储服务，该服务能够自动管理可伸缩，高可用的虚拟磁盘；上层运行着Frangipani分布式文件系统。◆JetFile是一个基于P2P的主播技术，支持在Internet这样的异构环境中分享文件的分布式文件系统。◆Ceph是一个高性能并且可靠地分布式文件系统，它通过把数据和对数据的管理在最大程度上分开来获取极佳的I/O性能。◆Google File System（GFS）是Google公司设计的可伸缩的分布式文件系统。GFS能够很好的支持大规模海量数据处理应用程序。在云计算环境中，数据的存储和操作都是以服务的形式提供的；数据的类型多种多样；必须满足数据操作对性能，可靠性，安全性和简单性的要求。在云计算环境下的大规模分布式存储方向，BigTable是Google公司设计的用来存储海量结构化数据的分布式存储系统；Dynamo是Amazon公司设计的一种基于键值对的分布式存储系统，它能提供非常高的可用性；Amazon公司的Simple Storage Service（S3）是一个支持大规模存储多媒体这样的二进制文件的云计算存储服务；Amazon公司的SimpleDB是建立在S3和Amazon EC2之上的用来存储结构化数据的云计算服务。许可证管理与计费：目前比较成熟的云环境计费模型是Amazon公司提供的Elastic Compute Cloud（EC2）和Simple Storage Service（S3）的按量计费模型，用户按占用的虚拟机单元，IP地址，带宽和存储空间付费。云计算的现状云计算是个热度很高的新名词。由于它是多种技术混合演进的结果，其成熟度较高，又有大公司推动，发展极为迅速。Amazon、Google、IBM、微软和Yahoo等大公司是云计算的先行者。云计算领域的众多成功公司还包括Salesforce、Facebook、Youtube、Myspace等。Amazon使用弹性计算云（EC2）和简单存储服务（S3）为企业提供计算和存储服务。收费的服务项目包括存储服务器、带宽、CPU资源以及月租费。月租费与电话月租费类似，存储服务器、带宽按容量收费，CPU根据时长(小时)运算量收费。Amazon把云计算做成一个大生意没有花太长的时间：不到两年时间，Amazon上的注册开发人员达44万人，还有为数众多的企业级用户。有第三方统计机构提供的数据显示，Amazon与云计算相关的业务收入已达1亿美元。云计算是Amazon增长最快的业务之一。Google当数最大的云计算的使用者。Google搜索引擎就建立在分布在200多个地点、超过100万台服务器的支撑之上，这些设施的数量正在迅猛增长。Google地球、地图、Gmail、Docs等也同样使用了这些基础设施。采用Google Docs之类的应用，用户数据会保存在互联网上的某个位置，可以通过任何一个与互联网相连的系统十分便利地访问这些数据。目前，Google已经允许第三方在Google的云计算中通过Google App Engine运行大型并行应用程序。Google值得称颂的是它不保守。它早已以发表学术论文的形式公开其云计算三大法宝：GFS、MapReduce和BigTable，并在美国、中国等高校开设如何进行云计算编程的课程。IBM在2007年11月推出了“改变游戏规则”的“蓝云”计算平台，为客户带来即买即用的云计算平台。它包括一系列的自动化、自我管理和自我修复的虚拟化云计算软件，使来自全球的应用可以访问分布式的大型服务器池。使得数据中心在类似于互联网的环境下运行计算。IBM正在与17个欧洲组织合作开展云计算项目。欧盟提供了亿欧元做为部分资金。该计划名为RESERVOIR，以“无障碍的资源和服务虚拟化”为口号。2008年8月， IBM宣布将投资约4亿美元用于其设在北卡罗来纳州和日本东京的云计算数据中心改造。IBM计划在2009年在10个国家投资3亿美元建13个云计算中心。微软紧跟云计算步伐，于2008年10月推出了Windows Azure操作系统。Azure(译为“蓝天”)是继Windows取代DOS之后，微软的又一次颠覆性转型——通过在互联网架构上打造新云计算平台，让Windows真正由PC延伸到“蓝天”上。微软拥有全世界数以亿计的Windows用户桌面和浏览器，现在它将它们连接到“蓝天”上。Azure的底层是微软全球基础服务系统，由遍布全球的第四代数据中心构成。云计算的新颖之处在于它几乎可以提供无限的廉价存储和计算能力。纽约一家名为Animoto的创业企业已证明云计算的强大能力（此案例引自和讯网维维编译《纽约时报》2008年5月25日报道）。Animoto允许用户上传图片和音乐，自动生成基于网络的视频演讲稿，并且能够与好友分享。该网站目前向注册用户提供免费服务。2008年年初，网站每天用户数约为5000人。4月中旬，由于Facebook用户开始使用Animoto服务，该网站在三天内的用户数大幅上升至75万人。Animoto联合创始人Stevie Clifton表示，为了满足用户需求的上升，该公司需要将服务器能力提高100倍，但是该网站既没有资金，也没有能力建立规模如此巨大的计算能力。因此，该网站与云计算服务公司RightScale合作，设计能够在亚马逊的网云中使用的应用程序。通过这一举措，该网站大大提高了计算能力，而费用只有每服务器每小时10美分。这样的方式也加强创业企业的灵活性。当需求下降时，Animoto只需减少所使用的服务器数量就可以降低服务器支出。在我国，云计算发展也非常迅猛。2008年5月10日，IBM在中国无锡太湖新城科教产业园建立的中国第一个云计算中心投入运营。2008年6月24日，IBM在北京IBM中国创新中心成立了第二家中国的云计算中心——IBM大中华区云计算中心；2008年11月28日，广东电子工业研究院与东莞松山湖科技产业园管委会签约，广东电子工业研究院将在东莞松山湖投资2亿元建立云计算平台；2008年12月30日，阿里巴巴集团旗下子公司阿里软件与江苏省南京市政府正式签订了2009年战略合作框架协议，计划于2009年初在南京建立国内首个“电子商务云计算中心”，首期投资额将达上亿元人民币；世纪互联推出了CloudEx产品线，包括完整的互联网主机服务"CloudEx Computing Service", 基于在线存储虚拟化的"CloudEx Storage Service"，供个人及企业进行互联网云端备份的数据保全服务等等系列互联网云计算服务；中国移动研究院做云计算的探索起步较早，已经完成了云计算中心试验。中移动董事长兼CEO王建宙认为云计算和互联网的移动化是未来发展方向。我国企业创造的“云安全”概念，在国际云计算领域独树一帜。云安全通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，推送到服务端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。云安全的策略构想是：使用者越多，每个使用者就越安全，因为如此庞大的用户群，足以覆盖互联网的每个角落，只要某个网站被挂马或某个新木马病毒出现，就会立刻被截获。云安全的发展像一阵风，瑞星、趋势、卡巴斯基、MCAFEE、SYMANTEC、江民科技、PANDA、金山、360安全卫士、卡卡上网安全助手等都推出了云安全解决方案。瑞星基于云安全策略开发的2009新品，每天拦截数百万次木马攻击，其中1月8日更是达到了765万余次。势科技云安全已经在全球建立了5大数据中心，几万部在线服务器。据悉，云安全可以支持平均每天55亿条点击查询，每天收集分析亿个样本，资料库第一次命中率就可以达到99%。借助云安全，趋势科技现在每天阻断的病毒感染最高达1000万次。值得一提的是，云安全的核心思想，与刘鹏早在2003年就提出的反垃圾邮件网格非常接近[1][2]。刘鹏当时认为，垃圾邮件泛滥而无法用技术手段很好地自动过滤，是因为所依赖的人工智能方法不是成熟技术。垃圾邮件的最大的特征是：它会将相同的内容发送给数以百万计的接收者。为此，可以建立一个分布式统计和学习平台，以大规模用户的协同计算来过滤垃圾邮件：首先，用户安装客户端，为收到的每一封邮件计算出一个唯一的“指纹”，通过比对“指纹”可以统计相似邮件的副本数，当副本数达到一定数量，就可以判定邮件是垃圾邮件；其次，由于互联网上多台计算机比一台计算机掌握的信息更多，因而可以采用分布式贝叶斯学习算法，在成百上千的客户端机器上实现协同学习过程，收集、分析并共享最新的信息。反垃圾邮件网格体现了真正的网格思想，每个加入系统的用户既是服务的对象，也是完成分布式统计功能的一个信息节点，随着系统规模的不断扩大，系统过滤垃圾邮件的准确性也会随之提高。用大规模统计方法来过滤垃圾邮件的做法比用人工智能的方法更成熟，不容易出现误判假阳性的情况，实用性很强。反垃圾邮件网格就是利用分布互联网里的千百万台主机的协同工作，来构建一道拦截垃圾邮件的“天网”。反垃圾邮件网格思想提出后，被IEEE Cluster 2003国际会议选为杰出网格项目在香港作了现场演示，在2004年网格计算国际研讨会上作了专题报告和现场演示，引起较为广泛的关注，受到了中国最大邮件服务提供商网易公司创办人丁磊等的重视。既然垃圾邮件可以如此处理，病毒、木马等亦然，这与云安全的思想就相去不远了。2008年11月25日，中国电子学会专门成立了云计算专家委员会，聘任中国工程院院士李德毅为主任委员，聘任IBM大中华区首席技术总裁叶天正、中国电子科技集团公司第十五研究所所长刘爱民、中国工程院院士张尧学、Google全球副总裁/中国区总裁李开复、中国工程院院士倪光南、中国移动通信研究院院长黄晓庆六位专家为副主任委员，聘任国内外30多位知名专家学者为专家委员会委员。2009年5月22日，中国电子学会将于在北京中国大饭店隆重举办首届中国云计算大会。
一、云计算概念二、云计算历史三、云计算现状四，云计算发展前景五、云计算实现，目前存在的问题。写论文多参考:华为的云计算，wingdows云计算，goole云计算。明天看看再补充些，多参考
军事运筹学是应用数学工具和现代计算技术，对军事问题进行定量分析，为决策提供数量依据的一种科学方法。它是一门综合性应用学科，是现代军事科学的组成部分。 解决现代条件下国防建设和军事活动中一系列复杂的指挥控制问题，不但要有高度的指挥艺术，还必须有一整套进行高速计算分析的现代科学方法，军事运筹学就是这种科学方法。军事运筹学发展简史 运筹一词出自中国古代史书《史记·高祖本纪》“夫运筹帷幄之中，决胜于千里之外。” 虽然军事运筹学作为一门学科，是在第二次世界大战后逐渐形成的，不过军事运筹思想在古代就已经产生了。中国春秋末期军事家孙武的《孙子兵法·形篇》中，就有许多关于军事运筹的论述，他把度、量、数、称等数学概念引入军事领域，通过双方对比计算，进行战争胜负的预测分析。他在《孙子兵法·计篇》中还说“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。多算胜，少算不胜，而况于无算乎！”这里的“算”就是计算筹划之意。此外，《孙膑兵法》、《尉缭子》、《百战奇法》等历代军事名著及有关史籍，都有不少关于运筹思想的记载。 《史记·孙子吴起列传》载：战国齐将田忌与齐威王赛马，二人各拥有上、中、下三个等级的马，但齐王各等级的马均略优于田忌同等级的马，如依次按同等级的马对赛，田忌必连负三局。田忌根据孙膑的运筹，以自己的下、上、中马分别与齐王的上、中、下马对赛，结果是二胜一负。这反映了在总的劣势条件下，以己之长击敌之短，以最小的代价换取最大胜利的古典运筹思想，也是对策论的最早渊源。 成功地应用运筹思想而取胜的战例很多，如齐鲁长勺之战中曹刿对反攻时机的运筹，齐魏马陵之战中孙膑对出兵时间、决战时机、决战地点的运筹等。此外，在中国历史上还有不少善于运用运筹思想的人物，如张良、曹操、诸葛亮、李靖、刘基等。 第一次世界大战前期，英国工程师兰彻斯特发表了有关用数学研究战争的大量论述，建立了描述作战双方兵力变化过程的数学方程，被称为兰彻斯特方程。和兰彻斯特同时代的美国科学家爱迪生，在研究反潜斗争中也应用了数学方法，他主要是用概率论和数理统计，研究水面舰艇躲避和击沉潜艇的最优战术。但当时这些方法尚处探索阶段，未能直接用于军事斗争。后来，英国国防部成立以生理学教授希尔为首的研究雷达配置和高炮效率的防空试验小组(后改名为作战研究部)，这是最早的运筹组织。 第二次世界大战中，英国空、海、陆军都建立了运筹组织，主要研究如何提高防御和进攻作战的效果。美国军队也陆续成立了运筹小组，其中海军设立最早，是由莫尔斯博士发起和组织的，主要研究反潜战。加拿大皇家空军也在1942年建立了运筹学小组。而运筹学作为一个独立的新学科，是于20世纪50年代初 才开始形成的。军事运筹学的基本内容 军事运筹学的基本理论，是依据战略、战役、战术的基本原则，运用现代数学理论和方法来研究军事问题中的数量关系，以求对目标的衡量准则达到极值的择优化理论。它通过描述问题——提出假设——评估假设——使假设最优化，反映出假设条件下军事问题本质过程的规律。 模型方法是指运用模型对实际系统进行描述和试验研究的方法。反映实际系统的模型方法很多，有逻辑模型、数学模型、物理模型、混合模型等，军事模拟活动中应用最多的是数学模型。数学模型是用来描述研究对象活动规律并反映其数量特性的一套公式或算法，其复杂程度随实际问题的复杂程度而定，一般简单的问题可用单一的数学方法解决。如兰彻斯特方程，就是确定性数学模型，可宏观地描述双方战斗的毁伤过程。 对复杂的军事问题，必须根据问题的需要，选择各数学分支方法，构成一个整体的混合模型或组合模型，此项工作称之为构模。运用模型方法研究军事问题，以协助指挥员分析判断，是军事运筹学发展的重要途径。 作战模拟是研究作战对抗过程的仿真实验，即对一个在特定态势下的作战过程，根据预定的规则、步骤和数据加以模仿复现，取得统计结果，为决策者提供数量依据。过去运用沙盘对阵、图上作业和实兵演习等进行模仿战争全部或部分活动的过程，都是作战模拟。 由于现代战争的规模增大，复杂程度日益增加，上述传统的作战模拟方法已难于进行较精确的定量描述。在新的数学方法及电子计算机出现后，开始有可能对较大规模的复杂战斗过程作近似描述，现代作战模拟开始得到广泛应用。 现代作战模拟可以看成是一种“作战实验”技术。它可部分地解决军事科学研究中难以通过直接实验的手段进行反复检验的难题，还可节省时间和人力、物力，因而是军事科学研究方法上的一个重大进步。通过现代作战模拟，能对有关兵力、装备使用的复杂关系，从数量上获得深刻了解。 作战模拟可用于作战训练、武器装备论证、后勤保障以及军事学术研究等各个方面。其分类因角度不同而异。按军种、兵种分：有合成军作战模拟，陆军、空军海军作战模拟；按规模分：有战役模拟、战术模拟；按现代化程度分：有手工作战模拟、计算机辅助作战模拟和计算机化作战模拟。 决策论是研究如何选择最佳有效决策方案的理论和方法。无论是平时还是战时，指挥员的重要职责就是分析判断情况，选择可行的或满意的决策方案，定下决心进而组织实施，以完成上级赋予的各项任务。决策论可以引导指挥人员根据所获得的各种信息，按照一定的衡量标准进行综合研究，从而使指挥员的思维条理化，决策科学化。 搜索论是研究如何合理地使用人力、物力、资金及时间，以取得最佳效果的一种理论和方法。搜索论用在军事方面，主要是研究提高对某一区域内的目标进行侦察搜索的效果。在第二次世界大战中，英国为研究提高飞机对德国潜艇的搜索效率，首先运用并发展了这种理论。由于现代战争中搜索问题比较复杂，涉及的因素 比较多，所以搜索理论尚在发展中，还难于建立统一的通用模式。 规划论是研究在军事行动中，如何适当地组织由人员武器装备、物资、资金和时间等要素构成的系统，以便有效地实现预定的军事目的。规划论分线性规划、非线性规划、整数规划和动态规划。 线性规划是当约束条件及目标函数均为线性函数时的规划，可用于解决对目标或作战地域分配同类兵力、兵器问题等。非线性规划是当约束条件或目标函数为非线性方程的规划，可用来解决向目标或作战地域分配不同类型的兵力、兵器等问题。人们在实际应用中为计算方便，常把非线性问题近似地处理成多级线性规划问题。 整数规划是规划论的特殊问题，要求变量和目标函数采用整数进行运算。因为有时人员、武器装备等只有整数才有意义。动态规划是解决多级决策过程员优化的一种数学方法，可把多级决策过程作为总体决策，构成决策空间，并对每个决策找出其定量评估优劣的准则函数，选出准则函数为员优值的决策方案。这即是决策过程的最优化。动态规划多用于多级指挥控制、计算使目标遭受最大损失的火力分配问题等。 排队论亦称“等待理论”、“公用服务系统理论”或“随机服务系统理论”。是研究系统的排队现象而使顾客获得最佳流通的一种科学方法。在军事系统中出现的排队现象很多，如指挥系统收发军事情报信息，反坦克武器对敌坦克的射击，防空系统对空中目标的射击，以及飞机的批次侦察轰炸，武器装备的修理等。 这些军事活动在排队论中被称为“服务”，而服务系统则为指挥控制系统、反坦克系统、防空系统、侦察轰炸系统、修理系统等。其中“顾客”是被指挥的部队，被射击的坦克和飞机，被侦察轰炸的目标，以及需要修理的武器装备等。当顾客要求服务的数量超过服务系统的能力时，就会出现排队现象。排队论即由此得名。 排队论可以用来解决指挥系统的信息处理能力及反坦克武器射击效率的估计分析；对空中侦察及防空武器提出相应的要求，估计不同设施的防空系统效率；武器装备维修及后勤保障的合理安排；人员、物资、装备等按时间序列流动的组织安排等。 对策论是研究冲突局势下局中人如何选择最优策略的一种数学方法。由于这门学问最初是从赌博和弈棋中提出的，因此亦称“博奕论”。 对策论的基本思想是立足于最坏的情况，争取最好的结果。在军事斗争中，通常并不掌握对方如何打算和行动的充足情报，在这种不确定情况下应用对策论最为合宜。如在对方采用一系列不同战术条件下，选择己方的有效战术问题；受对方攻击情况下设置假情报和实施伪装的问题；以及选择与对方对抗的各种武器装备的合理配置问题等。 随着科学技术和军事斗争的发展，航天技术中出现了机动追击的对策问题，原来的对策论就难以适应，于是美国兰德公司等在20世纪60年代开创了新的“微分对策”理论，从而使对策论的军事应用进入了一个新的发展阶段。 存储论亦称“库存论”，是研究在何时何地从什么来源保证必需的军用物资储备，并使库存物资及补充采购所需的总费用最少的理论和方法，它主要用于军队的后勤保障和物资管理方面。采用这种方法，可以确定维持军事系统的组织活动或经营管理正常运转所需的武器装备、备品备件、材料，及其他物资的最佳经济储备量。最佳经济储备量是由最佳经济采购量决定的，而采购量又与消耗量有关。 除上述各论外，军事运筹学常用的理论和方法还有网络法、火力运用理论、指挥控制理论、最优化理论、概率论和数理统计、信息论、控制论等。 应用军事运筹学需要特别注意其局限性。主要是运筹分析系统的简化和本质抽象中人的主观性，以及对军事问题中一些非定量因素，诸如人的水平、能力、爱好个性、士气、心理因子等，只能在假定条件下作近似的分析。 军事运筹学作为军事科学的一个组成部分，是定量研究其他军事学科的有关问题的手段和工具，其他军事学科是军事运筹学的应用领域。随着现代战争日趋复杂多变，且有大量随机现象出现，以及数学方法的研究上取得了新的成果，并且计算机技术的高速发展和大量使用，使得在军事上广泛应用运筹学方法日益有效，并且费用也越来越低。不过，现代战争仍然需要指挥人员的经验和创造性思维，需要科学方法和指挥艺术的有机结合。 随着现代科学技术的迅速发展，军事运筹学的基本理论和方法也将进一步发展。其发展方向主要是，如何提高描述精度，如何通过直接和间接的数学方法以及其他科学方法，对目前难于用数量表示的那部分军事问题予以量化。以及如何通过人机联系的最新途径——人工智能等进行作战模拟。军事运筹学的应用范围将更加广泛，对研究解决作战、训练、武器装备、后勤管理等军事问题的作用将越来越大。其它军事学分支学科军事学概述、射击学、弹道学、内弹道学、外弹道学、中间弹道学、终点弹道学、导弹弹道学、军事地理学、军事地形学、军事工程学、军事气象学、军事医学、军事运筹学、战役学、密码学、化学战 军事运筹学系统研究军事问题的定量分析及决策优化的理论和方法的学科。军事学术的组成部分。以军事运筹的实践活动为研究对象。研究领域涉及作战指挥、军事训练、武器装备研制与发展、军队体制编制、军队管理、后勤保障等各个方面。主要任务是为各类军事运筹分析活动提供理论和方法，用以揭示各类军事系统的功能、结构和运行规律，科学地辅助军事决策和军事实践，合理利用资源，提高军事效能，启发新的作战思想。词源 “运筹”一词，出自中国《史记·高祖本纪》:“运筹策帷帐之中,决胜于千里之外”。最早有“军事运筹学”含义的英文词operationalresearch出现于1938年，是由当时英国的鲍德西雷达站负责人.罗威就整个防空作战系统的运行研究工作而提出的，原意为“作战研究”。在美国称为operationsresearch。英文缩写均为OR。自50年代起，虽然欧美一些国家将这种用于作战研究的理论和方法广泛用于社会经济各领域，但仍沿用原词，使OR的含义有了扩展。OR传入中国后,曾一度译为“作业研究”、“运用研究”。1956年,中国有关专家共同商定将OR译为“运筹学”。其译意恰当地反映了该词源于军事谋划又军民通用的特点，并赋予其作为一门学科的含义。随着适用于军事领域的这些理论和方法应用的不断扩展，军事运筹理论研究工作得到深入与发展，军事运筹理论逐渐形成为一门独立的军事学科，在中国称之为“军事运筹学”。简史 军事运筹学的形成经历了一个漫长的过程。早期的军事运筹思想可追溯到古代军事计划与实际作战运算活动中的选优求胜思想。如公元前6世纪孙武在《孙子》一书中，就有关于作战力量的运用与筹划的论述(见《孙子》中的运筹思想)。又如《史记·孙子吴起列传》中记载的春秋战国时期孙膑辅助齐将田忌与齐威王赛马，田忌采用孙膑建议的取胜策略，就体现了对策论中的最优策略思想。再如11世纪沈括的《梦溪笔谈》中根据军队的数量和出征距离，筹算所需粮草的数量，将人背和各种牲畜驮运的几种方案与在战场上“因粮于敌”的方案进行了比较，得出了取粮于敌是最佳方案的结论，反映了当时后勤供应中多方案选优的思想。古希腊数学家阿基米德利用几何知识研究防御罗马人围攻叙拉古城的策略，也是体现军事运筹思想最早的典型事例之一。中国共产党和毛泽东在领导中国革命战争中，继承和发展了古今中外的军事运筹思想。毛泽东的《中国革命战争的战略问题》、《论持久战》、《三个月总结》、《目前形势和我们的任务》、《党委会的工作方法》等一系列著作，均有关于军事运筹方面的论述。例如,土地革命战争时期，科学地分析战略形势,确定以农村包围城市的斗争道路；抗日战争时期，分析敌我力量对比，确定以持久战胜敌的思想；解放战争时期，计算战争进程，确定在3～5年内从根本上消灭国民党军队，推翻国民党反动统治等，都科学地运用了定量分析的方法。此外，他还利用作战经验及大量统计数据，提出作战理论原则，并把一些重要的数量依据，直接纳入原则体系，指导作战。十大军事原则中“每战集中绝对优势兵力(两倍、三倍、四倍、有时甚至是五倍或六倍于敌之兵力),四面包围敌人，力求全歼，不使漏网”(《毛泽东选集》，第二版,人民出版社,北京，1991，第1247页)的原则，就是一例。随着近代工业的兴起，大量新的科学技术开始应用于军事运筹活动，军事运筹学的理论与方法逐步成熟，其发展大致经历了以下三个阶段。萌芽阶段 1909年，丹麦工程师.埃尔朗首次提出了排队模型，用于研究排队系统运行效率和提高服务质量问题。1914年，英国工程师.兰彻斯特提出了描述作战双方兵力变化关系的微分方程组，该方程组被称为兰彻斯特方程。1915年，俄国人M.奥西波夫独立推导出类似于兰彻斯特方程的奥西波夫方程，并用历史上的战例数据作了验证；同年，美国学者.哈里斯首创库存论模型，用于确定平均库存与经济进货量，提高了库存系统的综合经济效益。第一次世界大战期间，美国人.爱迪生应用“战术对策板”研究商船运行策略，减少了敌方潜艇对商船的毁伤；1921～1927年，法国数学家E.波莱尔发表的一系列论文，为对策论的创建奠定了基础，其中证明了极小极大定理的特殊情形。这些均是为适应不同的军事需要而逐步发展起来的早期运筹理论和方法。形成阶段 第二次世界大战初，为研究雷达在实战中的有效使用，英国皇家空军于1939年吸收多个学科的专家建立了最早的运筹学研究小组。1940年成立由著名物理学家.布莱克特领导的英国防空指挥研究小组，对机载雷达发现船只、潜艇等作战问题进行研究。通过改变深水炸弹的爆炸深度，使皇家海军、皇家空军摧毁敌方潜艇的成功率分别增加了3倍、6倍。此后,英国的陆军、海军也都相继设立了运筹分析机构，专门从事军事运筹的理论和应用研究。美国的运筹分析工作开始于1940年。1942年成立了由.莫尔斯领导的美国海军反潜战运筹小组，主要研究反潜作战效果等问题。如1943年的研究表明，使用B-29飞机夜间单机布雷效果最好，飞机损失率由10％～15%降低到1％～。第二次世界大战期间，加拿大军队中也建立了运筹组织。至战争结束时，英、美、加三国的军事运筹人员总数已超过700人。1945年，苏联学者.柯尔莫哥洛夫提出了多发齐射毁伤目标的火力运用理论。1947年，美国学者.丹齐克等创立了线性规划解法——单纯形法。1948年，美国组建了兰德公司。1951年，莫尔斯教授等在总结战时经验基础上公开出版了《运筹学方法》一书；同年，美国为培养高级军事运筹分析人员，在美国海军研究生院设置了运筹分析课程。1952年成立了美国运筹学会。此后，搜索论、决策分析等新的理论和方法相继产生。这些均标志着军事运筹学的理论和方法体系已基本形成。发展阶段 由于军事技术的不断发展和现代战争的日益复杂，指挥决策问题对科学理论方法的发展提出了更高的要求。电子计算机技术与现代数学方法的适时出现，有力地推进了军事运筹学的发展。50年代中期以来，许多国家广泛推广应用了军事运筹学的理论和方法。美国自1960年.麦克纳马拉任国防部长后，军事运筹学在国防管理等领域中得到了进一步发展。如相继发展了计划评审技术、图示评审技术、风险评审技术等网络分析方法，规划计划预算系统，以及在武器装备研制过程中发展的费用一效果分析方法等。同时，国防系统有关部门还建立了数百个军事模型。这些模型除了用于武器装备论证外，还用于国际局势分析、战争预测、作战指挥、军事训练、后勤保障等方面的辅助决策。取得成功的事例有：确保美国对苏联具有核反击能力所需的最少弹头数的计算分析、阿波罗登月计划的制订、B一1轰炸机的研制等。特别是在1991年的海湾战争中，以美国为首的多国部队，在战场管理、军队指挥、后勤保障等方面，成功地应用了军事运筹学的理论与方法。在中国，军事运筹学的研究始于50年代初期军队院校有关火力运用理论的教学工作。1956年，在钱学森、许国志教授的倡导下，中国科学院成立了第一个运筹学专业研究机构，对军事运筹学的发展，起了积极促进作用。60年代中期至70年代初期，华罗庚教授提出的优选法和统筹法，在军事领域中也得到了推广和应用。1978年5月，中国航空学会在北京召开了军事运筹学座谈会，与会人员向有关部门提出了在中国人民解放军中开展军事运筹与系统工程研究试点工作的建议。1978年底，中国人民解放军成立了第一个由多个学科的专家组成的“反坦克武器系统工程试点小组”,开展了反坦克武器系统工程试点工作。1979年10月,中国第一个军事运筹学研究机构——中国人民解放军军事科学院军事运筹分析研究所正式成立。1981年5月，成立了中国系统工程学会军事系统工程委员会。1984年12月，成立了中国人民解放军军事运筹学会。许多机关、部队也先后建立了各种专业性论证分析机构，在军内有组织地开展军事运筹学的研究与推广应用,并逐步扩大到军队工作的各个方面。1990年,中国国务院学位委员会和国家教育委员会发布的《授予博士、硕士学位和培养研究生的学科专业目录》，把军事运筹学列为军事学的二级学科。此后，大多数军事院校陆续招收和培养了一批军事运筹学硕士研究生。1994年,开始招收第一批军事运筹学博士研究生。这一阶段的主要特点是：研究队伍的规模越来越大，研究问题的层次不断提高，应用范围已由战术规模逐步发展到战役规模和战略规模，研究的内容不断拓宽。基本理论 军事运筹学的基本理论主要有：概率论与统计学 概率论与统计学是军事运筹学中最基本的数学工具，在军事运筹分析中广泛应用。概率论是从数量角度研究大量随机现象，并从中获得规律的理论。统计学则是研究如何有效地搜集、整理随机数据，找出随机现象数量指标分布规律及其数字特征的理论。很多军事问题和基础数据均可运用上述理论进行描述或获取。数学规划理论 研究如何将有限的人力、物力、资金等资源进行最适当最有效的分配和利用的理论，即研究可控变量X=(x1,x2,···,xn)在某些约束条件下求其目标函数在X�处取极大(或极小)值的理论。根据问题的性质与处理方法的不同，它又可分为线性规划、非线性规划、整数规划、动态规划、多目标规划等不同的理论。在军事资源分配等方面的运筹分析中有着广泛的应用。决策论 研究决策者如何有效地进行决策的理论和方法。决策论指导军事决策人员根据所获得的各种系统的状态信息，按照一定的目标和衡量标准进行综合分析，使决策者的决策既符合科学原则又能满足决策者的需求，从而促进决策的科学化。通常在军事决策问题的运筹分析中有广泛的应用。排队论 研究关于公用服务系统的排队和拥挤现象的随机特性和规律的理论。军事上常用于作战、通信、后勤保障、C�I系统的运行管理等领域的运筹分析。库存论 研究合理、经济地进行物资储备的控制策略的理论。军事上主要用于后勤管理领域的运筹分析。网络分析 通过对系统的网络描述，应用网络理论，研究系统并寻求系统优化方案的方法。广泛应用于作战指挥、训练演习、武器装备研制、后勤管理等军事活动的组织计划、控制协调等方面的运筹分析。对策论 研究冲突现象和选择最优策略的一种理论。适用于军事对抗和冲突条件下的决策策略等方面的运筹分析。搜索论 研究在探测手段和资源受到限制的情况下，如何以最短时间和最大可能、最有效地找到某个特定目标的理论和方法。通常用于军事目标搜索、边防巡逻、搜捕逃犯以及军事情报检索等方面的运筹分析。武器射击运筹理论 关于武器系统射击效率及火力最佳运用的理论。主要用于武器系统的设计、研制与使用过程中的毁伤效果计算、精度分析、靶场试验及综合评价等方面的运筹分析。兰彻斯特方程 描述敌对双方交战过程中兵力变化关系的微分方程组。包括第一线性律、第二线性律与平方律。用以揭示在特定的初始兵力兵器条件下，敌对双方战斗结果变化的数量关系。主要用于作战指挥、军事训练、武器装备论证等方面的运筹分析。军事模型与模拟 对军事问题的抽象描述与仿真。军事模型是现实世界军事活动本质特征的近似描述，而不是全部属性的复制。模拟是指运用模型进行实验的过程。作战模拟是作战对抗过程的仿真实验。广泛应用于各类军事问题的运筹分析。相关的理论与方法 在研究解决军事运筹问题中，还经常用到一些相关理论和方法，如模糊数学、系统动力学、决策支持系统等。应用理论 随着自然科学与军事科学的不断发展，军事运筹学在军事领域中的应用研究日益广泛和深入,在各专门领域运筹分析实践的基础上,已经或正在形成一系列面向专门领域的理论和方法，主要有：军事战略运筹分析 对与军事战略有关的全局性问题进行定量研究和方案选优的理论和方法。它涉及的问题包括：战略环境、战略目标、常备力量与后备力量建设、国防动员体制、战略后勤、国防经济、军事外交、军备控制和裁军、军事威慑与军事冲突、局部战争与全面战争、常规战争与核战争等方面的分析、预测和评估。由于战略问题不确定因素多，有些问题难于单纯用定量方法解决，因此需要定量分析与定性分析结合，计算机与人的判断结合。国防科技发展运筹分析 对国防科技发展的方针、政策、目标、规划等有关问题进行定量分析和方案选优的理论和方法。可用于解决诸如重大项目评价、国防科技投资方向以及新技术在国防中应用的可行性研究等问题。作战运筹分析 对作战的有关问题进行定量分析和方案选优的理论和方法。内容主要包括：综合分析判断敌情、评估交战双方作战能力、优化兵力编成、部署和协调作战及各种保障计划等。主要用于作战辅助决策等。军事训练运筹分析 对军事训练的组织与实施进行定量分析和方案选优的理论和方法。主要内容包括：训练体制和训练内容、训练的组织实施、训练效果评估等方面的论证分析。后勤保障运筹分析 对后勤保障进行定量分析和方案选优的理论和方法。内容主要包括：后勤指挥、军费需求与分配、武器装备保管与维修、卫生勤务保障、军队运输方面的优化分析等。武器系统运筹分析 对武器系统的发展、部署和使用进行定量分析与方案选优的理论和方法。主要内容包括：武器系统作战效能、武器系统全寿命费用、武器系统费用效能、武器系统可靠性、易损性与生存能力等方面的分析、预测与评估等。军队组织结构与干部管理运筹分析 对军队组织的各部分或要素的组合方式与干部队伍结构、需求和规划控制等进行定量分析与方案选优的理论和方法。涉及的问题包括：军队整体的宏观分析与具体单位的微观分析；军队结构的控制幅度、指挥层次、职权区分、单位编制、相互关系以及干部编制结构、培养任用、流动规律、考核评估、进退升流等管理方面的分析。与相关学科的关系 军事运筹学是不同领域的科学家运用自然科学、社会科学、军事科学的相关理论，在研究分析军事问题的运筹实践活动中产生的边缘学科。它与数学、物理学和电子计算机技术等有着密切联系，在军事科学领域中与相关学科也有着密切的关系。与军事系统工程的关系 军事运筹学与军事系统工程，都是在早期作战研究的基础上发展起来的。它们都强调定量分析和整体效益，注重优化决策等。但军事运筹学侧重于定量分析现有系统的作业情况，而军事系统工程则是以定量与定性相结合的方法，解决工程技术及其他方面的组织管理技术问题。有的学者认为军事运筹学是军事系统工程的基础理论，也有的学者认为两者同多
工作研究与效率运用方法研究对工厂生产系统的改进与设计;运用方法研究优化工厂物流系统的设计;运用方法研究提高企业生产效率的设计;动作研究的经济效果分析;利用作业测定制定科学的时间定额,作业标准,对企业减员增产的设计.生产率研究生产率测定的研究;影响企业生产率的因素与生产率提高研究;降低能耗的途径与方法研究.人因工程降低作业疲劳提高作业能力的途径与方法;影响工作质量的环境因素研究;人体测量学在人机系统设计中的应用;人机系统分析与评价;事故与可操作性分析.运筹学应用利用网络计划编制大型工程进度计划;运用排队论进行最优设计和最优控制;利用存储论进行库存优化设计;运筹学其它理论的应用实例.系统工程应用系统评价与决策;系统仿真在生产系统(或服务系统)中的应用;信息系统的开发与应用生产作业层的信息化(如CAI,CAQC,PDM等);管理办公层的信息化(如MIS,ERP,MRPII,OA,WFS);战略决策层的信息化(如:DSS,ES).工程经济企业投资风险分析;工程技术经济效益的评价与分析;经济效益的评价方法研究;工程项目的可行性研究;设备更新的技术经济分析.价值工程价值工程在企业中的应用;提高价值的途径及应用;以最低成本实现产品功能的途径及应用.物流工程企业物流系统规划及合理化研究;物料搬运设备的选用与设计;物流搬运系统优化与设计;现代仓储系统的规划与设计;配送中心规划与设计;物流系统优化与仿真.10,生产与库存管理生产的组织,计划与控制;降低在制品的途径与方法;库存控制与分析;降低库存的途径与方法;ERP,MRPII在企业的应用;JIT应用.11,质量管理与可靠性工程提高产品可靠性的途径;全面质量管理在企业中的应用;制造过程中的质量控制应用;质量成本控制在企业中的应用;12,先进制造模式GT在制造系统中的应用及效益分析;MC相关技术,策略及应用;AM或LP在企业中的应用;更多的可以找代写青木硕士论文网 过检测！
谈关于运筹学教学的几点思考 [论文关键词]运筹学 教学研究 课程建设[论文摘要]本文对运筹学教学中存在的一些问题进行分析，并就运筹学的教学目的、教学内容、教学形式等方面进行探讨，提出相应的改革思路和措施。 运筹学作为一个学科出现以来，特别是20世纪50年代以来，运筹学的研究与实践在我国得到深入发展，在工程、管理、经济等领域都发挥了重大的作用，并作为一门课程逐渐成为管理科学、系统科学、信息技术、工程管理、物流管理、经济、金融等专业的基础课程之一。然而，由于运筹学知识的综合性及内容上的数学复杂性，使得这一课程的教学表现出强烈的自身特色。结合几年来十几次运筹学教学的体会，对运筹学的教学方法进行一个粗浅的分析，以供探讨。 一、注重其发展背景及现实意义的讲授 运筹学作为一门应用科学，既不同于数学等经典学科，又不同于普通的应用学科，这一点可以从其发展背景中略见一斑。从运筹学的早期的发展来看，它可追溯到1914年提出的军事运筹学中的兰彻斯特(Lanchester)战斗方程、1917年丹麦工程师爱尔朗(Er-lang)在哥本哈根电话公司研究电话通信系统时提出的排队论的先驱者、20世纪20年代初提出的存储论最优批量公式等等。这些发展背景的介绍有助于学生对于这一学科的重要性、学科的特点、以及其中问题的解决思路都会起到非常重要的作用。所以，作为运筹学课程的讲授人员，要把不应在课程绪论的讲授中一带而过，而是要在讲授过程中让学生有所体悟。 二、注重其“学科交叉、多分支”的特点 应该说“学科交叉、多分支”是运筹学作为一门课程的重要特色,也是教学过程中需要认真处理、仔细推敲的一个关键问题。多学科交叉使得运筹学表现出知识结构和思维方式上的复杂性——既具有数学学科的理论特性又具有应用学科的自身特性、既具有理工学科的定量特性、又具有人文学科的分析特性、既追求“完美”又注重“实用”。作为授课教师而言要始终把握运筹学的这一特点，做到对发展现状的较好跟踪，注重对学生启发性引导；做到对授课对象的仔细区分，既包括对学生学历的区分又包括对学生专业的区分，对学生学历的区分主要体现在知识内容、授课学时、授课方式、课程要求等环节，而对学生专业的区分则主要体现在理学、工学和经管专业在知识深度与广度上的差异以及在理论和应用上的差异。而多分支特性则要求授课教师在授课过程中对各个分支有针对性的选择并能够做到对该分支理论及应用的充分把握。 三、注重“案例教学、实验教学”的`综合运用 案例教学与实验教学在运筹学教学中的运用主要在于对学生综合能力的培养。“案例教学”一方面可以在课程讲授过程中起到引导的作用，既可做到由浅入深、又可在较大程度上激发学生的学习兴趣，为接下来的深入做好铺垫；另一方面，又可在知识的运用上起到较好的教学效果，既激发学生的知识运用的兴趣又加深对知识理论的理解。“实验教学”既是对理论教学和案例教学的细化又是对学生动手能力的有效引导手段，特别是对学生脚踏实地的学习态度是一个较好的锤炼，同时也对学生长期以来单纯的“分数为上”的学习方式是一个有效的冲击。正是基于上述考虑，笔者认为在运筹学的讲授过程中要充分重视“案例教学”和“实验教学”的运用，充分考虑二者在运筹学教学过程中比重和搭配问题。 四、注重教学方式的运用 随着教育技术的飞速发展，多媒体教学在课堂教学中运用越来越普遍，它在一定程度上提高了教学的质量和教学率，同时又带来相应的弊端。尤其是多年的高校扩招和运筹学课程的普遍适用性使得多数运筹学课程为大课教学，这就促使教师为了避免后排学生看不清而几乎抹去了板书的运用。所以，在大班化的背景下，板书与多媒体的矛盾始终是运筹学教学中一个难以解决的问题。 五、注重对考核方式的研究 考核作为学习过程中的一个重要环节，其设计的好坏对整个教学质量有着重要影响。在传统的考试方式中，往往过多得强调知识点的掌握情况，而在一定程度上忽视了应用能力的培养。所以，不仅要在教学过程中注重“案例教学”和“实验教学”的运用，又要注重对学生实践能力方面的考核，不仅包括学生对分析能力、动手能力的考核，还要包括对学生探索精神和探索能力的考核。基于此，笔者认为在运筹学考核过程中“专题考核”和“研究论文”都可作为传统考核方式的重要补充。 总之，教学内容、教学方式、教学媒介、考核方式都是运筹学授课教师始终需要认真思考的问题。不仅如此，还要综合考虑自身高校的教学特点，特别是该课程在专业体系中作用的考虑以及该校教学管理部门的课程管理特点。该文仅仅是笔者一点粗浅体会，不足深论，仅供参考。 [参考文献] [1]杨茂盛,孔凡楼,张炜.对运筹学课程教学改革的看法和建议[J]．西安建筑科技大学学报(社会科学版),2006（12）,108-110 [2]张润红.从整体角度对工程管理专业《运筹学》教学的探索[J]．理工高教研究,2005（2）,94-95 [3]胡发胜,刘桂真.国家精品课程运筹学的教学改革与实践[J]．中国大学教学,2006（7）,9-10 论文相关查阅： 毕业论文范文 、 计算机毕业论文 、 毕业论文格式 、 行政管理论文 、 毕业论文 ;
在作战中运用数学方法设计行动方案虽不多见，但一旦运用，却经常能产生意外的效果。二战期间，盟军在作战中妙用数学方法取得了显著成效。这也使得军事理论研究者越来越多地将数学方法应用到军事问题中，由此产生了一门新的学科——军事运筹学。 巧妙避开德军潜艇 1943年以前，在大西洋上英美运输船队常常受到德国潜艇的袭击，当时，英美两国海军实力有限，一时间，德军的潜艇战搞得盟军焦头烂额。为此，一位美国海军将领专门去请教了几位数学家。数学家们运用概率分析后发现，舰队与敌潜艇相遇是一个随机事件。从数学角度来看这一问题，它具有一定的规律：一定数量的船编次越多与敌人相遇的概率就越大。美国海军接受了数学家的建议，命令舰队在指定海域集合，再集体通过危险海域，然后各自驶向预定港口。结果盟军舰队遭袭被击沉的概率下降，大大减少了损失。 准确判定日舰行驶路线 二战新几内亚作战期间，美军得到了日军将从新不列颠岛东岸的腊包尔港派出大型护航舰队驶往新几内亚莱城的情报，日军舰队可能走两条航线，航程都是3天。其中北面航线云多雾大，能见度差，不便于观察；南面航线能见度好，便于观察。美军也有两种行动方案可供选择，即分别在南北航线上集中航空兵主力进行侦察、轰炸。若日军选择走北线，美军也选择北线，由于天气影响只能有两天轰炸时间；美军若选南线，则由于在南线侦察耽搁一天，到北线侦察延误一天，只能争取一天的轰炸时间，因此日军选择北线，被轰炸天数为1~2天。根据同样的判断，若日军选择南线，则被轰炸数为2~3天。美军由此断定日军必走北线。真实情况果真如此。日军舰队起航一天后，在北线被美军发现并被轰炸两天，结果损失惨重。 理智撤回援法飞机 二战时期，当德国对法国等几个国家发动攻势时，英国首相丘吉尔应法国的请求，动用了十几个防空中队的飞机和德国作战。这些飞机中队必须由欧洲大陆上的机场来维护和操作。空战中英军飞机损失惨重。与此同时，法国总理要求继续增派10个中队的飞机。丘吉尔决定同意这一请求。内阁知道此事后，找来数学家进行分析预测，并根据出动飞机与战损飞机的统计数据建立了回归预测模型。经过快速研究发现，如果补充率损失率不变，飞机数量的下降是非常快的。用一句话概括，就是以现在的损失率损失两周，英国在法国的“飓风”式战斗机便一架也不存在了。数学家们要求内阁否决这一决定。最后丘吉尔同意了这一要求，并将除留在法国的3个中队外，其余飞机全部撤回英国，为下一步的英伦保卫战保存了实力。 算准深水炸弹爆炸深度 二战期间英军船队在大西洋里航行时经常受到德军潜艇的攻击。为此，英国空军经常派出轰炸机对德军潜艇实施火力打击，但轰炸效果总是不理想，对潜艇几乎构不成威胁。英军请来一些数学家专门研究这一问题，结果发现，潜艇从发现英军飞机开始下潜到深水炸弹爆炸时止，只下潜了米，而英军飞机投下的炸弹却已下沉到21米处爆炸，从而导致毁伤效果低下。经过科学论证，英军果断调整了深水炸弹的引信，爆炸深度从水下21米减为水下米，结果轰炸效果较过去提高了4倍。德军还误以为英军发明了新式炸弹。 让虚拟战争告别“纸上谈兵” 2003年6月，科学出版社推出一本名为《数理战术学》的新著，引起数学与军事领域有关专家的极大关注。这本书的作者，就是国防科技大学信息系统与管理学院博士生导师沙基昌教授。 早在第一次世界大战时期，英国工程师兰彻斯特就试图将数学与军事战术学结合起来，他最先提出了一个关于空战战术的尝试性数学模型——兰彻斯特方程。但是，直到20世纪末，数学在战术学中的应用一直停留在模型阶段，并未将武器装备的研究与战略战术研究结合起来。 “一门科学只有当它充分利用了数学之后，才能成为一门精确的科学。”这是马克思关于数学作用的精辟论述。沙教授认为，数理战术学的本质，就是要将军事战术的基本规律抽象出来，用数学方法演绎出一套理论和战术原则。为此，他探索将复杂的战争问题公理化。从上个世纪80年代中期开始，他将数学公理化方法引入了战术学及其相关理论研究，首先从现代战争作战实际中提炼出可能被公认的事实和规律，并将其进一步深化为数学上的公理，再进行数学运算和逻辑推理，然后用通俗的战术语言解释其原理，用于指导军事备战与作战实际。 经过近20年的潜心研究，沙基昌首次提出了规范交战模式等一系列概念，将作战指挥中极其重要的“作战指数概念”与“武器装备的作战运用”统一放到作战环境中建立数学模型，证明了规范交战模式的存在与惟一性定理，从而揭示了作战效能、作战毁伤与最优火力运用之间的内在本质与规律，在理论和应用上大大超越了西方同行，奠定了现代数理战术学的基础，使虚拟战争不再是纯粹的“纸上谈兵”，有力地推动了战术学从经验科学向精确科学的转变。 如今，由沙基昌奠基的我国数理战术学理论，已成为国防科技大学等院校相关专业研究生的必修课目。 引领装备论证进入数字化时代 20世纪80年代初，我国武器装备论证主要采取以战术技术指标为主的论证方法，而最主要、最关键的作战效能却因难以度量而不被关注，严重制约了武器装备的发展。 沙基昌敏锐地意识到，计算机与仿真技术的发展为武器装备作战效能评估提供了可能。从那时起，他将数理战术学的研究理论与成果运用于武器装备论证，创造性地提出“战术技术指标、作战效果、全寿命费用与风险”综合分析的武器装备论证模式，以及基于仿真的武器装备作战效能评估方法。 这种依靠计算机仿真技术对武器装备在复杂战场条件下作战效能的评估论证，能获得可靠的结果预测吗？面对一些人的疑惑目光，沙基昌没有退缩。他认为，实战演练武器装备代价太大，而计算机仿真试验则可以反复多次，不仅可以节约大量国防经费，而且能直接为提高战斗力服务。他研制成功了“面向武器装备论证的柔性建模仿真平台”，在“某型导弹主要战术技术指标论证决策支持系统”得以成功应用，并得到了应用单位的高度评价。 1996年，我军某新型反舰导弹问世，发现实射效果与其战术技术指标不相符，因而迟迟不能定型生产。问题出在哪里？通过深入分析论证和建模仿真，沙基昌发现了影响导弹作战效能的若干关键因素，为该型导弹的改型提供了重要依据，解决了设计单位和部队的燃眉之急。 1992年1月，我国载人航天工程启动。飞船的可靠性与安全性必须具有很高的安全系数，怎样才能知道飞船是否达到了这样的指标呢？总设计单位要求国防科大进行论证。沙基昌与同事们历时两年，提出了可靠性安全性原型仿真的概念、方法和技术，并开发了相应软件系统。这一成果，为改进“神舟”系列飞船可靠性安全性设计起到了重要作用。 潜心培养新一代军事运筹英才 2004年11月25日，沙基昌59周岁了。他的学生们自发地组织了一个生日聚会，为导师庆贺。 前来聚会的学生有近百人，他们中有3位将军、5位博导、50多位教授和副教授。聚会上，学生们争抢着发言，最后不得不限时——“每人发言2分钟”。据统计，沙基昌先后培养了100多名博士和硕士研究生，许多人已成为所在研究领域的知名专家和学科带头人。 1984年，沙基昌留学美国回来不久，就受命主持“军队干部队伍结构动态分析系统”研究，提出了军队干部队伍四维动态结构、稳态结构模型和层次控制理论，撰写了《关于军队干部队伍结构的预测》等10多份研究报告，为《中国人民解放军军官服役条例》等重大决策的论证提供了科学依据。 近年来，沙基昌先后开辟了军事运筹学、军事装备学、指挥自动化等新的学科领域和研究方向，并在这些领域培养出大批高层次人才。硕士生卢拾贵在沙教授的指导下，将计算机数据结构技术与运筹学有机结合起来，其学位论文“作战地图处理系统的设计与实现”得到有关部门和军事专家的关注。博士生杨峰的《面向效能评估的平台级体系对抗仿真研究》，为武器装备作战效能评估与分析提供了新的方法，先后获得部委级科技进步一、二等奖各一项。 沙基昌对学生有一条特别严格的要求：学位论文选题必须是当前国防和军队建设领域中急需解决的关键技术。一位博士生想早点完成学业，在未弄清当前部队实际需求的情况下就写出了学位论文。最后，他不得不按照沙教授的要求，深入部队和国防工业部门进行深入调研，重新撰写论文。这一反复，虽然延长了毕业时间，拿出来的却是高质量的学位论文。（本报记者 薛仁 王握文）
真给石油工程的人抹黑
石油工程可以写的题目很多啊
兄弟有觉悟啊，找到这来了，
毕业论文的论文题目，一般都是学校规定好了的吧！