不確定演算法
1. 不確定性分析法
傳統方法將影響邊坡狀態的諸因素看作確定性量，用安全系數作為衡量邊坡狀態的指標。然而，大量的試驗和工程實踐證明，影響邊坡狀態的因素中有許多具有很大的隨機性，如邊坡岩土的強度參數、外界荷載、邊界條件、地下水、岩土體內的各種不連續面等。用確定性方法進行計算評價會帶來很大的誤差，甚至結果失真。岩土土性的不確定性首先在於岩土性質本身在空間和時間域上的可變性。就以一定范圍的土體而言，土性空間均值也存在著不確定性。另外，由於在室內或現場試驗存在著試驗誤差，土性參數測試中的條件與實際情況有出入而引起的誤差，都會導致土性參數的不確定性。
思維方法的變革是岩石力學與工程研究取得突破的關鍵。如何引入相關學科的新知識、新理論，使之更好地指導岩體工程的實踐，是必須考慮的問題。[53]20世紀80年代末伴隨著思維方法的變革而提出的「不確定性系統分析方法」，為大型岩石工程分析和設計提供了正確的方法。這種方法也可以稱為綜合智能分析方法，它是在人工智慧、神經網路、遺傳演算法、時序分析、模糊數學、灰色理論、系統科學等學科興起的基礎上建立起來的，在一定程度上，為我們提供了新的思維方式和研究方法。毫無疑問，這方面的工作應該繼續加強而不是削弱。但是這些依據純數學手段建立起來的各種預測或分析模型，難以反映出岩土工程的力學本質，其實用價值和可信程度讓人懷疑。
2. 數據結構中評價一個好的演算法,應該從哪幾個方面來考慮
數據結構中評價一個好的演算法，應該從四個個方面來考慮，分別是：
一、演算法的正確性。
二、演算法的易讀性。
三、是演算法的健壯性。
四、是演算法的時空效率（運行）。
演算法的設計取決於數據（邏輯）結構，而演算法的實現依賴於採用的存儲結構。數據的存儲結構實質上是它的邏輯結構在計算機存儲器中的實現，為了全面的反映一個數據的邏輯結構，它在存儲器中的映象包括兩方面內容，即數據元素之間的信息和數據元素之間的關系。
不同數據結構有其相應的若干運算。數據的運算是在數據的邏輯結構上定義的操作演算法，如檢索、插入、刪除、更新和排序等。
(2)不確定演算法擴展閱讀：
分類
1、集合結構。該結構的數據元素間的關系是「屬於同一個集合」。
2、線性結構。該結構的數據元素之間存在著一對一的關系。
3、樹型結構。該結構的數據元素之間存在著一對多的關系。
4、圖形結構。該結構的數據元素之間存在著多對多的關系，也稱網狀結構。
3. java中的演算法，一共有多少種，哪幾種，怎麼分類。
就好比問，漢語中常用寫作方法有多少種，怎麼分類。
演算法按用途分,體現設計目的、有什麼特點
演算法按實現方式分，有遞歸、迭代、平行、序列、過程、確定、不確定等等
演算法按設計范型分，有分治、動態、貪心、線性、圖論、簡化等等
作為圖靈完備的語言，理論上」Java語言「可以實現所有演算法。
「Java的標准庫'中用了一些常用數據結構和相關演算法.
像apache common這樣的java庫中又提供了一些通用的演算法
4. 什麼是確定性演算法和不確定性演算法
所謂非確定性是指在理論計算機科學中，針對各種計算機器模型（自動機），在每一時刻，根據當時的狀態和輸入，若機器有多個動作可供選擇時，則稱機器為非確定性的；相反，若機器的動作可唯一確定時。且非確定性是相對於確定性來說，對於非確定性的機器，在性能各方面要高於確定性機器。
任意一種自動機，按其動作的確定程度，大體可分為確定的和非確定的兩類。在對非確定性的研究中，一個核心課題就是非確定性能否增加機器的計算能力。具體說，對同一類自動機，確定型和非確定型機器在計算能力方面有沒有區別？是什麼關系？這類問題因其在理論上和實踐中的重要意義而受到普遍重視。其中有些問題至今尚未解決，成為理論計算機科學中重要的懸案,NP=?P問題就是一個突出的例子。
5. 演算法里什麼叫確定性問題和不確定性問題
確定性 一個X僅對應一個Y
如下：
關於演算法的確定性特徵，以下不符合演算法確定性的是 ( )。
A． D ← （B * B – 4 * A * C）
B． S ← (L * H) / 10
C． 輸入：X
D． 輸出：L / 正整數
答案：D
正整數有無窮多個，故D沒有確定性
6. 一個演算法中某一步可以是不確定的
因為演算法具有有窮性、確定性和可輸出性．
由演算法的特性可知，A是指的有窮性；B是確定性；C是可輸出性．
而解決某一類問題的演算法不一定唯一，例如求排序問題演算法就不唯一，
所以，給出的說法不正確的是D．
故選D．
7. 防碰撞中使用的非確定性演算法有哪些,分別是什麼
在防撞測試的過程中，如果非確定性演算法的話，應該來說還是比較多的分別應該是它的確定性和不確定性。
8. 訓練數據的長度，不確定，選擇什麼演算法
所謂非確定性是指在理論計算機科學中，針對各種計算機器模型（自動機），在每一時刻，根據當時的狀態和輸入，若機器有多個動作可供選擇時，則稱機器為非確定性的；相反，若機器的動作可唯一確定時。且非確定性是相對於確定性來說，對於非確定性的機器，在性能各方面要高於確定性機器。任意一種自動機，按其動作的確定程度，大體可分為確定的和非確定的兩類。在對非確定性的研究中，一個核心課題就是非確定性能否增加機器的計算能力。具體說，對同一類自動機，確定型和非確定型機器在計算能力方面有沒有區別？是什麼關系？這類問題因其在理論上和實踐中的重要意義而受到普遍重視。其中有些問題至今尚未解決，成為理論計算機科學中重要的懸案,NP=?P問題就是一個突出的例子。
9. 計算測量不確定度 實例
先說直接測量結果的不確定度 比如測量半徑，測量質量等
先算最佳估計值 其實就是把所有該類測量結果做一個平均值
然後進行不確定度評定
A類 公式太難打了 直接說 每個測量值與平均值做差然後平方，然後和加起來，然後把和除以[n*(n-1)] n就是數據的個數 最後求出商的平方根
B類 一般只考慮儀器誤差的影響，這個一般會給出來，德爾塔儀 除以根號3就行`
最後把a類、b類不確定度分別平方 ，再相加，再開根號就得出直接測量的不確定度了
結果x=最佳估計值+不確定度
舉個例子
0~25mm千分尺測鋼球的直徑6次，分別為
D(mm) 3.115,3.122,3.119,3.117,3.120,,3.118
不存在粗大誤差（就是不考慮其他誤差）
（1）則最佳估計值D=3.1245(求數據的平均值)
（2）A類 按上面方法 比如第一組 D1-D=3.115-3.1245=-0.0095,類推 得到0.00099mm，這里n為6 n-1=5
（3）B類 題目一般會給 照著算 比如千分尺0~25mm誤差0.004mm
（4）合成標准不確定度 A類 B類都知道了 按上面方法算 為0.003mm
則 D=(3.124加減0.003)
然後是間接測量不確定度的合成 所謂間接 就是需要用公式求的量，比如用千分尺測直徑和高計算體積
間接測量量y與k個直接測量量有關，則其不確定度則由各直接測量量的不確定度決定，所以先算直接測量量的，方法如上。
演算法：有兩種 如果加減運算 比如Y=X+Z 則以Y為因變數，對X先求偏導，求完把X的平均值代入，結果乘x的不確定度，然後平方，然後對Z也是一樣，最後的最後，求和，開方 得出Y的不確定度。。
第二種 比如Y=X*Z，先把兩邊取對數 然後以lnY為自變數，對X求偏導，把X平均值代入，然後乘以X的不確定度，平方。 然後對Z也是一樣。最後的最後 加起來 然後開根號
沒完 結果還要乘以Y的平均值（這個是用x和z的平均值算的）這樣就完整了
舉個例子 用0~25mm千分尺測V V=0.25*D*D*h
D：6.075 6.087 6.091 6.060 6.085 6.080
h：10.105 10.107 10.103 10.110 10.100 10.108
先計算直徑d 最佳值 D=6.0797（平均值）
A類 結果是0.0045 方法見直接測量量的求法
B類 誤差 德爾塔儀 依然是0.004 除以根號3 結果 0.0023
合成 得到0.0051mm
再算 高度h滴
最佳值：10.1055mm
A類 0.0015mm
B類 0.0023mm
合成 0.0027mm
最後的最後 V的
最佳值 0.25*d*d*h=293.367mm
合成 先對h吧 lnv=ln0.25+lnh+2lnd;
對h求偏導 結果為 1/h；把h的最佳值代入 然後乘它的不確定度0.0027 然後平方
同理 對D也是一樣滴
把以上兩個結果加起來 然後開根號 結果再乘以V的最佳估計值
V的不確定度就這么算出來啦 結果是0.5立方毫米
V=（293.4加減0.5）（立方毫米）
10. 不確定性人工智慧有哪些演算法
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧是計算機科學的一個分支，它企圖了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的「容器」。
人工智慧是對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。[1]