主题：【原创】数学与战争 -- 晨枫
比如swarm，遗传算法
科学的方法是在预定的假设下按照严格的理论推导得到结论。现实中存在着大量的预想外的条件，这个至少现阶段不能完全解决。对随即进程的研究也是基于概率来进行的。一件事发生的概率99.99%也不说明下次它一定发生。
过度强调科学的方法没有解决一切问题没有任何意义。就像现在的天气预报，那次能保证100%准确？但是大家还在看，不是么？就是因为以现有的技术至少这天气预报有参考价值。
确实可以说很多事情的均约定因素是人，但上下班的时候谁也没有强调这点而打算用铁脚板替代汽车地铁的吧？人的因素不在于人是万能的，而是人能够迅速做出当前技术条件下能够做出局部最优的选择。
呵呵
关于兵棋让我想起过去世嘉16位机的一个游戏，超级大战略。
我个人认为首先要分析样本点的分布，离散型的数据一般我们可以认为有限次测定中符合正态分布（Normal Distribution）。于是，依照测定次数可以得到自由度，再 往下就是t分析和F分析，可以检验变量间是否存在线性关系。
但实际情况中，样本点和变量数谁多谁少就会带来问题，就是怎么在变量数大于甚至远远大于样本点的时候，还能得到回归模型吗？这样，变量筛选就应运而生了...当然，样本点多总比少好，但也不是越多越好地...
工业上相关应用，教科书中最喜欢提出例子就是质检合格率。呵呵...
学位是文科还是理工科只是表象，关键是用什么样的逻辑去观察、分析和得到结论。
工程师对数学有类似的偏见：“数学能帮我造桥吗？能帮我设计指南车吗？”中世纪的工程师教育曾经是师父-学徒式的工匠教育，着眼于具体任务的完成。工程设计的数学化取决于工程科学的数学化，或许军事科学还没有达到这一个境地，但我想数学的应用不应该排斥在现代军人的锦囊之外。牛顿力学三定律是17世纪建立的，但要到19世纪，工程科学的数学化才全面启动，到20世界才开花结果。军事科学的数学化或许也需要时间？
日本真正崛起于日俄战争，于是之后几十年中日本海军就是在准备再来一次对马海战。
法国在一战中靠堑壕战把德国耗死了，于是之后二十年就是在建设马奇诺防线。
舟已行矣而剑不行，求剑若此，不亦惑乎。
一是从浩瀚的在线数据里找问题，那动辄几十万个数据点；二是从有限的小试实验数据中找东西，那就很可能只有十几个数据点了。有人介入最大的问题是人不仅会根据现实调整反应，还会“改主意”，形成复杂反馈。
但成功地应用已有方法正是实用中的最大艺术。多变量线性回归最大的问题是变量应该互相独立，PCA的正交分解真是在这个问题上帮一把。现实世界中的问题都是非线性的，数学上的线性方法用到实际问题上都是简化应用，就看这简化是否还保存了问题的基本特质了。在会议上见过非线性PCA和PLS，没有深究数学细节，不知道是严格版还是bastardized版。
不能因为数据挖掘有用，就把这当作“银弹”，不做好该做的功课。真正的银弹只有在铜弹、铁弹、钢弹都用尽了之后才用，否则不是浪费，就是一样要打不中。
数据挖掘的前提是事件具有重复性，对于突发的独特事件，数据挖掘当然不管用。对于重复事件，数据挖掘就有机会找出线索。强调指挥官的当机立断没有问题，但把这和精心准备对立起来就不对了，而数据挖掘相当于情报分析的一部分，是精心准备的一部分。
数据挖掘的成本不在于硬件软件，在于需要有专家干这个活。现在研制的一些软件工具降低了对专家的要求，将降低成本。何况，对于美军来说，一个士兵一年在阿富汗的支出就是100万美元，一个数据挖掘小组支援一个班作战的话，能花得了多少钱？需要战地人员的输入，这对任何情报分析都是一样的，不是新问题，也不特别。
至于和一线人员座谈就可以得到的数据，不去座谈而用数据挖掘，这本来就是犯了上面的第一大忌：没有先用铜弹、铁弹、钢弹而直接试图用银弹，肯定效果不好。
对于这是不是分包商和拔毛这的诡计，看实战效果吧。美军不是散财童子，不见兔子也是不撒鹰的。
清廷只是鸦片战争后被打痛了才有点醒悟过来……
数学不是万能的，美国没有打胜每一场战争，科学家到现在还没有发明永动机，连冷聚变都实现不了。你想说明什么？
没有真的研究过，还要请你这样的专家介绍呢。
我们在6 sigma里也谈到同样的问题……