第一篇：k3 mrp 算法

k3 mrp 算法

净需求 = 毛需求/(1-损耗率)预计入库量 + 已分配量

一．时间范围的确定:

T1-------------T2-------------T3T4 T2: 系统日期

T3: 计划展望期的开始日期（通常情况下T2与T3为同一天）。

T4: 计划展望期的结束日期。

T1: 计算拖期后的开始日期。(受控于参数预计量有效期提前[]个月。)

二.再生式MRP算法

1.计算公式:

净需求 = 毛需求/(1-损耗率)预计入库量 + 已分配量

2.计算顺序

成品-à 半成品-à材料,即按低阶码顺序进行计算。

三.需求取数来源:

1.独立需求(成品)需求来源 取自订单、预测。

2.BOM单取物料使用状态的BOM。

3.毛需求取自：

已审核且业务关闭状态为未关闭的销售订单分录中的[建议交货日期] 位于T1~T4之间的物料(订货数量-已出库数量)或

已审核未关闭的产品预测单分录中的[需要日期]位于T3~T4之间的物料或 上层物料计算后的净需求。

4.现有库存数:属性为MRP仓的即时库存之和。

5.安全库存:取自物料主数据。系统由于实现了按订单追踪MRP功能，故在算法上对安全库存单独进行处理，即先按物料计算安全库存产生的需求，再按订单进行计算,即会在0时区先产生安全库存产生的需求。

6.预计入库数:

a.采购订单:已审核且MRP关闭标志为未关闭的采购订单分录中[交货日期]位于T1~T4之间的物料[数量-已入库数量]。

b.委外加工生产任务单: 已审核或挂起的[计划完工日期]位于T1~T4之间的委外加工生产任务单[计划生产数量已入库数量]。

d.重复式生产计划: 已审核的[计划完工日期]位于T1~T4之间的重复式生产计划的[计划生产数量-分解执行数量（即分解后下达重复生产任务单的计划生产数量）]。

e.重复式生产任务单：已审核或挂起的[计划完工日期]位于T1~T4之间的重复式生产任务单的[计划生产数量-已入库数量]。

f.物料替代清单: 审核的物料替代清单(由参数控制)，对于被替代物料作为预计可用量，对于替代物料作为已分配量。

g.计划订单: 确认的计划订单(由参数控制)预计量的值为 建议订单量－累计下达数量，预计量日期为建议到货/完工日期。

7.已分配量

生产类型单据: 当有投料单时按投料单的建议投料数量算已分配，当没有投料单时按BOM用量计算已分配。

8.其它订货策略及批量、提前期等参数在此不做说明。

四． MRP系统实施

要求采购订单、销售订单、生产订单三大订单在系统中正确运行，入库关联订单、不执行的订单及时关闭。

四．主要异常业务分析

1.拖期业务

描述:

销售订单中有物料的建议交货日期已小于系统当前日期(系统将这种业务定义为拖期)，造成计划时重复生需求。

说明:K/3 MRP中将拖期需求放在第0时区。第一次MRP计算后需求的预计入库日期位于第1时区，1>0,即不为拖期需求的可用量，故下次运行MRP时重复产生需求。

改善建议:

K/3下一版本采用两种办法来解决: 一是将拖期订单产生的需求放在第0时区，则满足了订单需求和预计可用量的配合关系，下次运算不会产生需求。

第二种方式是，K/3在三大订单的追加执行功能中均增加了，修改建议交货日期功能。

从业务管理的角度，我们在当前版本及以后版本都强调说，拖期订单是企业实际业务中不应该存在的，当订单交货可能推后时，应该在系统中修改需求日期，以

符合实际业务的需要。

2.销售订单的业务关闭标志和采购订单的MRP关闭标志管理。

描述： 业务关闭标志及MRP业务关闭标志是分录级的业务标志，由业务系统自动判断执行，不可手工维护。

这两个标志的关闭条件为

a: 销售、采购订单已出(入)库数量>=销售订单的订货数量。或

b: 在订单序时簿上执行关闭操作。

实际应用中经常反馈出现按b方式无法达到“关闭”的效果。经分析发现，原因在于对系统收料通知单及发货通知单的错误应用。这两种单据是协调和采购、销售及仓库业务的单据，它的目的是传递需真正执行的物料及数量信息。但不少人将其视为收、发货计划。订单一生成，就做了通知单，此时订单按关联数量进行关闭、但业务关闭状成并未关闭。当订单出现异常(如客户调整时)，无法真正关闭此订单。

解决建议:

正确应用通知单，当确认要出货时生成通知单，并关联生成出库单。或视业务流程的需要，取消此业务环节。

第二篇：算法学习心得

算法设计与分析学习心得

班级：物联网1201 姓名：刘潇 学号：1030612129

一、实验内容：

这学期的算法与设计课，老师布置了这四个问题，分别是货郎担问题，动态生成二维数组，对话框下拉列表，排序问题。

二、学习掌握：

基本程序描述：

（1）货郎担问题：货郎担问题属于易于描述但难于解决的著名难题之一，至今世界上还有不少人在研究它。货郎担问题要从图g的所有周游路线中求取具有最小成本的周游路线，而由始点出发的周游路线一共有（n一1）！条，即等于除始结点外的n一1个结点的排列数，因此货郎担问题是一个排列问题。货郎担的程序实现了利用穷举法解决货郎担问题，可以在城市个数和各地费用给定的情况下利用穷举法逐一计算出每一条路线的费用，并从中选出费用最小的路线。从而求出问题的解

（2）费用矩阵：费用矩阵的主要内容是动态生成二维数组。首先由键盘输入自然数，费用矩阵的元素由随机数产生，并取整，把生成的矩阵存放在二维数组中，最后把矩阵内容输出到文件和屏幕上。它采用分支界限法，分支限界法的基本思想是对包含具有约束条件的最优化问题的所有可行解的解（数目有限）空间进行搜索。该算法在具体执行时，把全部可行的解空间不断分割为越来越小的子集，并为每个子集内的解计算一个下界或上界。动态生成二维n*n的数组程序利用指针表示数组的行和列，并逐一分配空间，在输入n的数值后，系统自动分配空间，生成n*n的数组，并产生随机数填充数组，最后将结果输入到指定文件中。

三.疑问与总结：

货郎担的问题，我认为穷举法相对比而言是比较初级的方法，费时耗力，适合在练习时选用，但是在实际问题中不建议采用。克鲁斯卡尔或者普里姆算法求取最小生成树的方法来解决货郎担的问题是更适合现实解决问题的。我认为程序可以用switch函数来将函数分成几个部分更人性化，比如分为解决问题的的选项，输出结果选项，退出程序选项等。再有就是费用矩阵的值可以从文件中读取，而结果也可以直接放在指定文件中，这样在实际应用中比较广泛。

动态生成二维数组的程序我认为如果按照规范性，我的方法是中规中矩的，毕竟再向下延伸，生成三维的数组，需要三层的指针来实现。但是就程序的简化程度和计算机处理时间来说，我认为这样双层指针的算法有些太占用内存，毕竟要给行和列各分配n个空间。我通过与同学的交流，我发现可以用1位数组来实现二维的n*n的数组。首先分配n*n的空间，然后通过循环在一行的数据达到n时自动换行。这样程序得到了一定的简化，并且减少了一定的内存使用。我认为这种方法是比较贴合实际的。

四.心得体会

在计算机软件专业中，算法分析与设计是一门非常重要的课程，很多人为它如痴如醉。很多问题的解决，程序的编写都要依赖它，在软件还是面向过程的阶段，就有程序=算法+数据结构这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的，它可以培养我们养成思考分析问题，解决问题的能力。

如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。因此，学习算法无疑会增强自己的竞争力，提高自己的修为，为自己增彩。篇二：算法个人心得

算法学习心得: 算法这个词是在我在大学第一次c语言课上听到的，当时老师讲的是程序=算法+数据结构，算法是一个程序的灵魂。当时我什么也不懂，不知道什么叫数据结构，什么叫算法，它们是干什么的我也不明白。然而经历了大学四年的学习，现在的我对算法有了一个较为清晰的认识，对于它的作用也有了深刻的体会。

所谓算法简单来说就是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，也就是说算法告诉计算机怎么做，以此来解决问题。同一个问题存在多种算法来解决它，但是这些算法存在着优劣之分，好的算法速度快，效率高，占用空间小，差的算法不仅复杂难懂，而且效率低，对机器要求还高，当然，有时候算法之间存在一种互补关系，有些算法效率高，节省时间，但浪费空间，另外一些算法可能速度上慢些，但是空间比较节约，这时候我们就应该根据实际要求，和具体情况来采取相应的算法来解决问题。

这学期算法课上我们主要讲了七部分内容.第一章主要讲的是算法的基本概念，算法时间复杂度分析，算法的渐近时间复杂度等内容。因为算法之间的比较就是通过时间复杂度和空间复杂度来来比较的，第一章的主要目的就是让我们学会去分析一个算法的复杂度，以后就可以通过对复杂度的分析来评价算法的好坏。

第二章讲的是分治法，任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小，越容易直接求解，解题所需的计算时间也越少，分治法的设计思想就是，将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。在这一章中我们讲到了寻找第k个元素，矩阵相乘，寻找最近点对等几个使用分治法的经典例子，最后还将讲到了傅里叶变换的问题。以前我们学到的归并排序，二分搜索其实也是基于分治法思想的。能采用分治法来解决的问题通常有如下几个特征： 1)该问题的规模缩小到一定的程度就可以容易地解决 2)该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子

结构性质。

3)利用该问题分解出的子问题的解可以合并为该问题的解； 4)该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公

共的子子问题。

在用分治法解决实际问题时，我们疑问究竟各个子问题的规模应该怎样才为适当？从大量实践中发现，在用分治法设计算法时，最好使子问题的规模大致相同。换句话说，将一个问题分成大小相等的k个子问题的处理方法是行之有效的，这就是一种平衡的思想。

第三章主要讲动态规划问题。这一章的内容我觉得是算法设计思想中最难，也最有趣的这部分。什么叫动态规划，动态规划的思想是什么？动态规划采用自顶向下的方式分析问题，自底向上的方式递推求值，将待求解的问题分解成若干个子问题，先求解子问题，并把子问题的解存储起来以便以后用来计算所需要求的解。简言之，动态规划的基本思想就是把全局的问题化为局部的问题，为了全局最优必须局部最优。“多阶段决策问题是根据问题本身的特点，将其求解的过程划分为若干个相互独立又相互联系的阶段，在每一个阶段都需要做出决策，并且在一个阶段的决策确定以后再转移到下一个阶段，在每一阶段选取其最优决策，从而实现整个过程总体决策最优的目的”（引用）。还记得期末考试中的最后一道关于任意给定一个数，从所给的牌中用最少的牌组成这个数，这个问题其实就可以用动态规划来解决。本科期间，在算法课上老师在动态规划这一章不布置的一个作业跟这个题目类似，当时的题目是找钱问题，问题是这样描述的：有n种不同面值的硬币，各硬币面值存于数组t[1:n]，现用这些面值的钱来找钱，编程计算找钱m的最少硬币数及各个面值。分析如下：假设对于i = 1...n-1，所需最少的硬币数count(i)已知，那么对于n，所需的硬币数为min(count(i)+ count(n-i)), i=1...n-1;于是一个直观的方法是用递归计算。

但是，递归过程中，每次计算count(i)，都会重复计算 count(1)....count(i-1);这样时间复杂度就是o(n^2);我们可以从1开始记录下每个钱数所需的硬币枚数，避免重复计算，为了能够输出硬币序列，我们还需要记录下每次新加入的硬币。下面给出用动态规划解决此问题的递推式：

参数说明： 当只用面值为t[1],t[2],„t[n]来找出钱j时，所用的硬币的最小个数记为c(i,j),则c(i,j)的递推方程为：

运用这个递推式，我们可以从下往上记录各个j所需要的应兵书i，最后当j=m时，所对应的i就是我们要求的。第四章讲的是集合算法，这一章的内容是我第一次接触，以前没有学过。这一章主要讲了平摊分析，union-find，finding the depth，以及2-3树等内容，平摊分析教会我们如何从整体的角度去更精确的分析算法的时间复杂度，union-find sets是一种简单的用途广泛的集合，并查集是若干个不相交集合，能够实现较快的合并和判断元素所在集合的操作，一般采取树形结构来存储并查集，并利用一个rank数组来存储集合的深度下界，在查找操作时进行路径压缩使后续的查找操作加速，finding the depth 确定深度问题。为了既能求得各点在原先树中的正确深度、又能使时间复杂度较小，需要使用具有路径压缩功能的find-depth指令，同时还需要采取一些辅助手段来保证深度计算的正确性。2-3树具有以下几个特点：

1、任一内结点（非叶结点）均有2个或3个儿子。

2、从根到每片树叶的路径长度相等。

3、内结点中只存放便于查找的信息，而叶结点中存放原始数据。

第五章主要讲了随机算法。在随机算法中，我们不要求算法对所有可能的输入均正确计算，只要求出现错误的可能性小到可以忽略的程度。另外我们也不要求对同一输入算法每次执行时给出相同的结果。我们所关心的是算法在执行时，是否能够产生真正随机的结果。有不少问题，目前只有效率很差的确定性求解算法，但用随机算法去求解，可以很快地获得相当可信的结果。随机算法通常分为两大类:las vegas算法、monte carlo算法。las vegas算法总是给出正确的结果，但在少数应用中，可能出现求不出解的情况。此时需再次调用算法进行计算，直到获得解为止.mont carlo算法通常不能保证计算出的结果总是正确，一般只能断定所给解的正确性不小于p（1/2＜p＜1）。通过反复执行算法（即以增大算法的执行时间为代价），能够使发生错误的概率小到可以忽略的程度。第五章还讲到素数测试，其中介绍了相关定理，重点讲了miller-rabin算法。

第六章介绍了计算模型，这一章主要介绍了有关计算的一些本质问题，random access machines(随机存取机，简称ram)，存储程序模型rasp（random access stored program），图灵机（turning machine）以及各个计算模型之间的关系。

第七章介绍了np完全问题，主要包括近似算法（approximation algorithms），非确定性turing机 ndtm，确定性turing机 dtm，以及之间的区别，np完全经典问题等内容。

经过一学期的算法学习，我对算法的了解进一步加深，曾经学习过的内容得到进一步巩固，同时没有接触的内容也让我有了新的认识。作为一名计算机专业的学生，算法是一门基础学科，它里面包含的思想无处不在，学好算法分析，对于在自己的方向上获得启示，体会更深有着重大作用。所以，我们应该培养对算法的兴趣，将算法的运用融入到生活当中，比如找钱问题就是个很好的例子，通过具体的生活实例来让算法变得更加有魅力，有吸引力,以此来激发对算法的兴趣。篇三：算法设计与分析学习总结 算法分析与设计 学习总结

题目：算法分析与设计学习总结

学 院 信息科学与工程学院

专 业 届 次

学生姓名 学 号

二○一三年一月十五日

算法分析与设计学习总结

本学期通过学习算法分析与设计课程，了解到：算法是一系列解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制。算法能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。

设计的算法要具有以下的特征才能有效的完成设计要求，算法的特征有：（1）有穷性。算法在执行有限步后必须终止。（2）确定性。算法的每一个步骤必须有确切的定义。（3）输入。一个算法有0个或多个输入，作为算法开始执行前的初始值，或初始状态。（4）输出。一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的。（5）可行性。在有限时间内完成计算过程。

算法设计的整个过程，可以包含对问题需求的说明、数学模型的拟制、算法的详细设计、算法的正确性验证、算法的实现、算法分析、程序测试和文档资料的编制。算法可大致分为基本算法、数据结构的算法、数论与 代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法和并行算法。经典的算法主要有：

1、穷举搜索法

穷举搜索法是对可能是解的众多候选解按某种顺序进行逐一枚举和检验，bing从中找出那些符合要求的候选解作为问题的解。

穷举算法特点是算法简单，但运行时所花费的时间量大。有些问题所列举书来的情况数目会大得惊人，就是用高速计算机运行，其等待运行结果的时间也将使人无法忍受。我们在用穷举算法解决问题是，应尽可能将明显不符合条件的情况排除在外，以尽快取得问题的解。

2、迭代算法

迭代法是数值分析中通过从一个初始估计出发寻找一系列近似解来解决问题（一般是解方程或方程组）的过程，为实现这一过程所使用的方法统称为迭代法。迭代法是用于求方程或方程组近似根的一种常用的算法设计方法。设方程为f(x)=0,用某种数学方法导出等价的形式x=g(x),然后按以下步骤执行：

（1）选一个方程的近似根，赋给变量x0。(2)将x0的值保存于变量x1，然后计算g(x1),并将结果存于变量x0。（3）当x0与x1的差的绝对值还小于指定的精度要求时，重复步骤（2）的计算。若方程有根，并且用上述方法计算出来的近似根序列收敛，则按上述方法求得的x0就认为是方程的根。

3、递推算法

递推算法是利用问题本身所具有的一种递推关系求问题解的一种方法。它把问题分成若干步，找出相邻几步的关系，从而达到目的。

4、递归算法

递归算法是一种直接或间接的调用自身的算法。

能采用递归描述的算法通常有这样的特征：为求解规模为n的问题，设法将它分解成规模较小的问题，然后从这些小问题的解方便地构造出大问题的解，并且这些规模较小的问题也能采用同样的分解和综合方法，分解成规模更小的问题，并从这些更小问题的解构造出规

模较大问题的解。特别的，当规模n=0或1时，能直接得解。

递归算法解决问题的特点有：

（1）递归就是在过程或函数里调用自身

（2）在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口

（3）递归算法解题通常显得很简洁，但递归算法解题的运行效率较低

（4）在递归调用的过程中系统为每一层的返回点、局部变量等开辟堆栈来存

储。

举例如下： fibonacci数列

int fib[50];//采用数组保存中间结果 void fibonacci(int n){ fib[0] = 1;fib[1] = 1;for(int i=2;i<=n;i++)fib[i] = fib[i-1]+fib[i-2];}

5、分治算法

分治算法是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题，直到最后子问题可以简单地直接求解，原问题的解即子问题解的合并。

如果原问题可分割成k个子问题，且这些子问题都可解，并可利用这些子问题的解求出原问题的解，那么这种分治法就是可行的。由分治法产生的子问题往往是原问题的较小模式，这就为使用递归技术提供了方便。在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。分治与递归像一对孪生兄弟，经常同时应用在算法设计之中，并由此产生许多高效算法。

分治策略的算法设计模式 pide_and_conquer（p）{ if(|p|＜＝n0)return adhoc(p)； pide p into smaller substances p1，p2，„，pk； for(i＝1;i＜＝k;k＋＋)yi＝pide-and-conquer（pi）//递归解决pi return merge（y1，y2，„，yk）//合并子问题 }

6、贪心算法

贪心算法也称贪婪算法。它在对问题求解时，总是做出在当前看来是最好的选择。它不从整体最优上考虑，所得出的仅是在某种意义上的局部最优解。贪心算法的基本思路如下：（1）建立数学模型来描述问题

（2）把求解的问题分成若干个子问题

（3）对每一子问题求解，得到子问题的局部最优解

（4）把子问题的局部最优解合成原来问题的一个解

贪心算法的一般流程: greedy(a){ s={ };//初始解集合为空集 while(not solution(s))//集合s没有构成问题的一个解 { x = select(a);//在候选集合a中做贪心选择 if feasible(s, x)//判断集合s中加入x后的解是否可行 s = s+{x};a = a-{x};} return s;｝

（1）候选集合a：问题的最终解均取自于候选集合a。（2）解集合s：解集合s不断扩展，直到构成满足问题的完整解。

（3）解决函数solution：检查解集合s是否构成问题的完整解。

（4）选择函数select：贪心策略，这是贪心算法的关键。

（5）可行函数feasible：解集合扩展后是否满足约束条件。

7、动态规划算法

动态规划算法是一种在数学和计算机科学中用于求解包含重叠子问题的最优化问题的方法。其基本思想是，将原问题分解为相似的子问题，在求解的过程中通过子问题的解求出原问题的解。

动态规划算法的步骤

(1)找出最优解的性质，并刻画其结构特征；(2)递归地定义最优值（写出动态规划方程）；(3)以自底向上的方式计算出最优值；(4)根据算法最优值时得到的信息，构造一个最优值。

动态规划算法的有效性依赖于问题本身所具有的两个重要的性质：最优子结构性质和子问题重叠性质。(1)最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。

(2)重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。

8、回溯算法 回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。当探索到某一步时，发现原先的选择并不优或达不到目标，就回退一步重新选择，这种走不通就退回再走的技术成为回溯法，满足回溯条件的某个状态的点称为“回溯点”。迷宫问题算法所采用的就是回溯算法。

回溯算法解决问题的过程是先选择某一可能的线索进行试探，每一步试探都有多种方式，将每一方式都一一试探，如有问题就返回纠正，反复进行这种试探在反复纠正，直到得出全部符合条件的答案或是问题无解为止。由于回溯方法的本质是深度优先的方法在解的空间树中搜索，就要从堆栈中找到回溯的前一个位置继续试探。

装载问题回溯算法数据结构 #define num 100 int n;//集装箱的数量 int c;//轮船的载重量 int w[num];//集装箱的重量数组 int x[num];//当前搜索的解向量 int r;//剩余集装箱的重量 int cw;//当前轮船的载重量 int bestw;//当前最优载重量

int bestx[num];//当前最优解 算法实现 //形参表示搜索第t层结点 void backtrack(int t){ //到达叶子结点 if(t>n){ //更新最优解 if(cw>bestw){ for(int i=1;i<=n;i++)bestx[i] = x[i];bestw = cw;} return;} //更新剩余集装箱的重量 r-= w[t];//搜索左子树

if(cw+w[t]<=c){ x[t] = 1;cw += w[t];backtrack(t+1);cw-= w[t];} //搜索右子树

if(cw+r>bestw){ x[t]=0;backtrack(t+1);} r += w[t];//恢复状态 }

9、分支限界算法 分支限界算法是一种在表示问题解空间的树上进行系统搜索的方法。该方法使用了广度篇四：算法设计与实现个人课程总结 算法课程总结

指导教师

所在院（系）

班 级

学生姓名

学 号

一、算法概述 1.什么是算法？

算法是解一确定类问题的任意一种特殊的方法。在计算机科学中，算法是使用计算机解一类问题的精确、有效方法的代名词。算法是一组有穷的规则，它规定了解决某一特定类型问题的一系列运算。

2.算法的五个重要特性：确定性、能行性、输入、输出、有穷性/有限性。1）确定性：算法每种运算必须有确切定义，不能有二义性。2）能行性：算法中有待实现的运算都是基本的运算，原理上每种运算都能由人用纸和笔在有限的时间内完成。3）输入：每个算法有0个或多个输入。这些输入是在算法开始之前给出的量，取自于特定的对象集合——定义域

4）输出：一个算法产生一个或多个输出，这些输出是同输入有某种特定关系的量。5）有穷性/有限性：一个算法总是在执行了有穷步的运算之后终止。3.计算过程：只满足确定性、能行性、输入、输出四个特性但不一定能终止的一组规则。4.准确理解算法和计算过程的区别：不能终止的计算过程：操作系统；算法是“可以终止的计算过程”；算法的时效性：只能把在相当有穷步内终止的算法投入到计算机上运行。5.算法的语言主要有：自然语言，流程图，盒图，pad图，伪代码，计算机程序设计语言。

6.算法分类： 1)多项式时间算法：可用多项式（函数）对其计算时间限界的算法。常见的多项式限界函数有：ο(1)< ο(logn)< ο(n)< ο(nlogn)< ο(n2)< ο(n3)2）指数时间算法：计算时间用指数函数限界的算法。常见的指数时间限界函数：ο(2n)< ο(n！)< ο(nn)7.算法基本工具：循环与递归，算法与数据结构，优化算法的数学模型。8.主要算法：迭代算法，蛮力法，分治法，动态规划法，贪婪算法，图搜索基础。

二、算法的核心是思想

我们学习这门课不是仅仅掌握那几个经典算法例子，更重要的是为了学习蕴含在其中的思想方法。为什么呢？举个例子。有同学曾问我这样一个问题：1000只瓶子装满水，但有一瓶有毒，且毒发期为1个星期。现在用10只老鼠在一个星期内判断那只瓶子有毒，每只老鼠可以喝多个瓶子的水，每个瓶子可以只喝一点。问如何解决？其实一开始我也一头雾水，但是他提醒我跟计算机领域相关，我就立马有了思路，运用二进制。因为计算机的最基本思想就是二进制。所以说，我们不仅要学习算法，更得学习思想方法。

①算法最基本的设计方法包括分治法，动态规划法，贪婪算法，周游法，回溯法，分支定界法。我们可利用分治法做快速排序，降低找n个元素中最大元和最小元的量级，降低n位二进制x和y相乘的量级，做strassen矩阵乘法等等。它的思想就是规模很大的问题分解为规模较小的独立的子问题，关键是子问题要与原问题同类，可以采取平衡法来提高性能。

动态规划法是把大问题分解为子问题，但是子问题是重复的，后面的问题可

以利用前面解决过的问题的结果。如构造最优二叉查找树，解决矩阵连乘时最小计算次数问题，寻找最长公共子序列等等。

贪婪算法就是局部最优法，先使局部最优，再依次构造出更大的局部直至整体。如kruscal最小生成树算法，求哈夫曼编码问题。

周游法就是简单理解就是采取一定的策略遍历图中所有的点，典型的应用就是图中的深度优先搜索(dfs)和广度优先搜索(bfs)。

回溯法就是就是在满足一定的条件后就往前走，当走到某步时，发现不满足条件就退回一步重新选择新的路线。典型的应用就是8皇后问题，平面点集的凸包问题和0-1背包问题。

分支定界法：它是解决整数规划问题一种最常用的方法。典型应用就是解决整数规划问题。

②评价算法性能的方法如平摊分析中的聚集法，会计法和势能法。聚集法就是把指令分为几类，计算每一类的消耗，再全部叠加起来。会计法就是计算某个指令时提前将另一个指令的消耗也算进去，以后计算另一个指令时就不必再算了。势能法计算每一步的势的变化以及执行这步指令的消耗，再将每一步消耗全部累计。

这几种方法都是平摊分析法，平摊分析的实质就是总体考虑指令的消耗时间，尽管某些指令的消耗时间很大也可以忽略不计。上述三种方法难易程度差不多，每种方法都有属于它的难点。如聚集法中如何将指令有效分类，会计法中用什么指令提前计算什么指令的消耗，势能法中如何选取势能。因此掌握这些方法原理还不够，还要学会去应用，在具体的问题中去判断分析。

三、重点学习 1.贪婪算法

贪婪+其他算法：由于贪婪往往能大幅化简状态，利用问题的某些“单调性”，加上贪婪的思想，往往能是问题大幅简化，从而结合其他算法解决问题经典例题：田忌赛马，利用贪婪来确定状态。2.分治法

分而治之的思想在信息学竞赛中是非常重要的，下面主要介绍一下分治的经典应用 1)二分查找

思想很简单，功能很强大，边界要注意，负数要特判（noi2010 piano）在非负数范围内的二分一般写法

如果是l := mid1 或 +1则 mid :=(l + r + 1)p 2 2)快速幂

a^b =(a^(b p 2))^2 + ord(odd(b))*a取模也适用 3）快速排序，归并排序

任何一本算法书上都会讲的，这里就略过了，值得一提的是快排记得加上随机化 k := a[random(rg(x)*ans = 0 重构权，将f(i)-g(i)*ans作为新权值，用相应算法求出一个“最小值”，判断是否>=0，接着二分即可 5)树的分治

一般用来解决树上的路径或统计类问题，每次只考虑跟树根有关的信息，然后递归分治处理

树的分治通常有基于点或基于边的分治，基于点的难合，基于边的复杂度太高，这里只介绍基于点的分治

步骤：处理跟当前树根有关的信息，重新计算子树大小，在子树中选择重心为根，递归到相应子树处理。

因为每次选了重心，所以递归总共logn层，每层o(n)的复杂度，总复杂度就是o(nlogn)6)二分搜索

直接搜的复杂度是指数级的的话，一般是40左右的数据量，hash一半，搜一半，搜后面的时候利用之前的hash信息合并出原问题的解。

而直接搜的复杂度达到阶乘级的话n一般就不超过20了，做法一般差不多 经典例题：poi02szy，noi2001方程的解数。3.搜索

作为信息学竞赛中的所谓“万能算法”，搜索可以说是计算机学科所具有的最大特点了，自然地，搜索算法的应用自然也是非常之广泛，除了专门的搜索题，搜索一般可以用来部分预处理，打表找规律，当然还有骗分。

搜索的一般步骤：确定状态——选择搜索方式（dfs、bfs）——确定产生式规则——开始搜索。搜索的常见优化方式： 1)改变状态表示

这个需要根据题目而定，确定一个漂亮的状态表示，可能就有希望转向记忆化了，即使不行，搞出一个漂亮的状态表示是解决一道麻烦题的最重要的一步，再者，调试起来也会容易许多。

2）优化搜索顺序

这个优化在多数搜索中能起到摧枯拉朽的提速效果，通常我们选择枝叶较少的儿子先扩展，例如大名鼎鼎的dancing links，除了利用双向十字链表去除冗余状态，每次选择可扩展数最少的儿子扩展同样给它的神速创造了条件。3）可行性剪枝以及最优性剪枝

这是非常常用的剪枝思路之一，因题目而异，在迭代加深搜索中尤为重要 一般思路：考虑每次解最多变优多少，从当前的层数来看还有多少改进空间，如果已经不可能成为解或更新答案则可以剪枝了

——a*及ida*算法：本质就是给搜索加上一个满足相容性的估价函数，然后用估价函数剪枝，理论上很牛b，实际上不常用，因为考场上很难想出满足那么多条件的估价函数，但记得一些常见模型的估价函数还是有价值的。例如15 数码的估价函数就可以选择除了0之外每个元素到自己该到的位置的曼哈顿距离之和，因为每次最多使一个数距离减少1，所以这个估价函数是相容的，再例如求k短路的a*算法就是用个堆维护 min{ f(s)+ g(s)}估价函数就是从汇点反搜的“反向最短路”的长度。

四、总结

在计算机软件专业中，算法分析与设计是一门非常重要的课程，很多人为它如痴如醉。很多问题的解决，程序的编写都要依赖它，在软件还是面向过程的阶段，就有程序=算法+数据结构这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的，它可以培养我们养成思考分析问题，解决问题的能力。作为it行业学生，学习算法无疑会增强自己的竞争力，修炼自己的“内功”。

经过这门课的学习，我深刻的领悟到数学是一切算法分析与设计的基础。这门课的很多时间多花在了数学公式定理的引入和证明上。虽然很枯燥，但是有必不可少。我们可以清晰的看到好多算法思路是从这些公式定理中得出来的，尤其是算法性能的分析更是与数学息息相关。其中有几个定理令我印象深刻。

①主定理

本门课中它主要应用在分治法性能分析上。例如：t(n)=a*t(n/b)+f(n)，它可以看作一个大问题分解为a个子问题，其中子问题的规模为b。而f(n)可看作这些子问题的组合时的消耗。这些可以利用主定理的相关结论进行分析处理。当f(n)量级高于时，我们可以设法降低子问题组合时的消耗来提高性能。反之我们可以降低的消耗，即可以扩大问题的规模或者减小子问题的个数。因此主定理可以帮助我们清晰的分析出算法的性能以及如何进行有效的改进。

②随机算法中的许多定理的运用

在这门课中，我学到了以前从未遇见过的随机算法，它给予我很大的启示。随机算法不随机，它可通过多次的尝试来降低它的错误率以至于可以忽略不计。这些都不是空穴来风，它是建立在严格的定理的证明上。如素数判定定理是个很明显的例子。它运用了包括费马小定理在内的各种定理。将这些定理进行有效的组合利用，才得出行之有效的素数判定的定理。尤其是对寻找证据数算法的改进的依据，也是建立在3个定理上。还有检查字符串是否匹配也是运用了许多定理：指纹的运用，理论出错率的计算，算法性能的评价也都是建立在数学定理的运用上。篇五：遗传算法学习心得

基本概念

遗传算法(genetic algorithms, ga)是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。

它模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一组候选解，并按某种指标从解群中选取较优的个体，利用遗传算子(选择、交叉和变异)对这些个体进行组合，产生新一代的候选解群，重复此过程，直到满足某种收敛指标为止。ga的组成:（1）编码（产生初始种群）

（2）适应度函数

（3）遗传算子（选择、交叉、变异）

（4）运行参数

编码

基因在一定能够意义上包含了它所代表的问题的解。基因的编码方式有很多，这也取决于要解决的问题本身。常见的编码方式有：

（1）二进制编码，基因用0或1表示（常用于解决01背包问题）如：基因a：00100011010(代表一个个体的染色体)（2）互换编码（用于解决排序问题，如旅行商问题和调度问题）

如旅行商问题中，一串基因编码用来表示遍历的城市顺序，如：234517986，表示九个城市中，先经过城市2，再经过城市3，依此类推。

（3）树形编码（用于遗传规划中的演化编程或者表示）

如,问题：给定了很多组输入和输出。请你为这些输入输出选择一个函数，使得这个函数把每个输入尽可能近地映射为输出。

编码方法：基因就是树形结构中的一些函数。

（4）值编码（二进制编码不好用时，解决复杂的数值问题）在值编码中，每个基因就是一串取值。这些取值可以是与问题有关任何值：整数，实数，字符或者其他一些更复杂的东西。

适应度函数

遗传算法对一个个体（解）的好坏用适应度函数值来评价，适应度函数值越大，解的质量越好。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的唯一标准，它的设计应结合求解问题本身的要求而定。

如tsp问题，遍历各城市路径之和越小越好，这样可以用可能的最大路径长度减去实际经过的路径长度，作为该问题的适应度函数。

遗传算子——选择

遗传算法使用选择运算来实现对群体中的个体进行优胜劣汰操作：适应度高的个体被遗传到下一代群体中的概率大；适应度低的个体，被遗传到下一代群体中的概率小。选择操作的任务就是按某种方法从父代群体中选取一些个体，遗传到下一代群体。sga（基本遗传算法）中采用轮盘赌选择方法。

轮盘赌选择又称比例选择算子，基本思想：各个个体被选中的概率与其适应度函数值大小成正比。设群体大小为n，个体i 的适应度为 fi，则个体i 被选中遗传到下一代群体的概率为：

遗传算子——交叉

所谓交叉运算，是指对两个相互配对的染色体依据交叉概率按某种方式相互交换其部分基因，从而形成两个新的个体。交叉运算在ga中起关键作用，是产生新个体的主要方法。1.单交叉点法（用于二进制编码）

选择一个交叉点,子代在交叉点前面的基因从一个父代基因那里得到,后面的部分从另外一个父代基因那里得到。

如：交叉前：

00000|***00 11100|***01 交叉后：

00000|***01 11100|***00 2.双交叉点法（用于二进制编码）

选择两个交叉点,子代基因在两个交叉点间部分来自一个父代基因,其余部分来自于另外一个父代基因.如：交叉前： 01 |0010| 11 11 |0111| 01 交叉后： 11 |0010| 01 01 |0111| 11 3.基于“ 与/或 ”交叉法（用于二进制编码）对父代按位与”逻辑运算产生一子代a;按位”或”逻辑运算产生另一子代b。该交叉策略在解背包问题中效果较好.如：交叉前： 01001011 11011101 交叉后： 01001001 11011111 4.单交叉点法（用于互换编码）

选择一个交叉点，子代的从初始位置出发的部分从一个基因复制，然后在另一个基因中扫描，如果某个位点在子代中没有，就把它添加进去。

如：交叉前： 87213 | 09546 98356 | 71420 交叉后：

87213 | 95640 98356 | 72104 5.部分匹配交叉（pmx）法（用于互换编码）

先随机产生两个交叉点，定义这两点间的区域为匹配区域，并用交换两个父代的匹配区域。

父代a：872 | 130 | 9546 父代b：983 | 567 | 1420 变为： temp a: 872 | 567 | 9546 temp b: 983 | 130 | 1420 对于 temp a、temp ｂ中匹配区域以外出现的数码重复，要依据匹配区域内的位置逐一进行替换。匹配关系：1<——>５ ３<——>６ ７<——>０ 子代ａ：802 | 567 | 9143 子代ｂ：986 | 130 | 5427 6.顺序交叉法(ox)（用于互换编码）

从父代ａ随机选一个编码子串，放到子代ａ的对应位置；子代ａ空余的位置从父代ｂ中按ｂ的顺序选取（与己有编码不重复）。同理可得子代ｂ。父代a: 872 | 139 | 0546 父代b: 983 | 567 | 1420 交叉后：

子代a: 856 | 139 | 7420 子代b: 821 | 567 | 3904 7.循环交叉（cx）法（用于互换编码）cx同ox交叉都是从一个亲代中取一些城市，而其它城市来自另外一个亲代，但是二者不同之处在于：ox中来自第一个亲代的编码子串是随机产生的，而cx却不是，它是根据两个双亲相应位置的编码而确定的。

父代ａ：1 2 3 4 5 6 7 8 9 | | | | | 父代ａ：5 4 6 9 2 3 7 8 1 可得循环基因：1->5->2->4->9->1 用循环的基因构成子代ａ，顺序与父代ａ一样 1 2 4 5 9 用父代ｂ剩余的基因填满子代ａ： 1 2 6 4 5 3 7 8 9 子代ｂ的编码同理。（循环基因 5->1->9->4->2->5）

遗传算子——变异 变异是指依据变异概率将个体编码串中的某些基因值用其它基因值来替换，从而形成一个新的个体。ga中的变异运算是产生新个体的辅助方法，它决定了ga的局部搜索能力，同时保持种群的多样性。交叉运算和变异运算的相互配合，共同完成对搜索空间的全局搜索和局部搜索。

注：变异概率pm不能太小，这样降低全局搜索能力；也不能太大，pm > 0.5，这时ga退化为随机搜索。

第三篇：算法和算法描述教案

一、教学内容：算法和算法的描述（选修1算法与程序设计 广东教育出版社）

二、教学课时：1课时

三、教学地点：计算机室2

四、教学目标：

1、知识目标

（1）明白算法的概念，理解算法的特征。（2）掌握算法描述的三种方法，能看懂流程图。（3）了解算法的意义，找出三种算法描述的优缺点。

2、技能目标

（1）知道在什么场合应该用什么算法描述。

（2）能对算法和算法的描述正确定位，能用算法解决实际问题，为学习后面的程序设计打下基础。

3、情感目标

（1）能把现实社会中的问题用算法描述出来，培养学生们的合作精神和想象能力，以提高学生们的信息素养。

五、教学方法：任务驱动法

六、教学重点：

算法的概念、描述算法的三种方法。

七、教学难点：

用流程图描述算法。

八、教学过程

1.激发兴趣、创设情景

这节课内容主要是一些概念和理论，而算法的概念和理论都太抽象，讲起来非常的枯燥乏味，那么就要把这些抽象的东西变得通俗易懂，使学生能轻松而又愉快的接受并理解。

举出一个例子如炒土豆丝如何做？引导学生们一步步说出步骤，最后教师总结：算法就是解决问题的方法和步骤。在以后的编程中也要记住了，有些步骤是可以颠倒的，不影响程序的结果；但是有些一但颠倒了那最终的结果也就全变了。

2.讲.解

激发学生的兴趣后对算法、算法的特征（确定性、有穷性）进行讲解，注意运用生活中的实例，以便让学生们理解。

讲述算法的三种描述方法：自然语言、流程图、伪代码。学生们比较熟悉的是自然语言，陌生难理解的是流程图和伪代码。

先带学生们了解自然语言，然后讲伪代码，讲完伪代码后，引导学生们如何把这些程序用流程图表示出来。流程图的基本图形及其功能

给出一个程序，让学生们先读这个程序，再用流程图表示这个程序如：

Private Sub Command1_Click()a = InputBox(“输入数字”)If a Mod 2 = 0 Then Print a & “是偶数” Else Print a & “是奇数” End If End Sub 学生们自学后，由教师引导发现这是一个判断奇偶数的程序，找一个学生展示他的流程图，然后大家共同检查这个流程图是否正确。

九、课堂作业 再给学生们一个程序，让学生们读并且在word中画出流程图，然后教到主机上。

十、课后反思：

在本节课中进行任务驱动式教学，充分发挥学生的主观能动性。同时这节课内容多，而且难以理解，练习生活中的实例，既可以激发学生们的兴趣，又有助于知识的迁移和内化。

第四篇：退休金算法

202_煤矿退休年龄是多少岁，煤矿工人们来了解一下吧，下面是为大家收集的关于202_煤矿退休年龄，欢迎大家阅读!

目前男职工退休年龄为60周岁，女干部为55周岁，女职工为50周岁。

法定退休年龄是指第五届全国人民代表大会常务委员会第二次会议批准，《国务院关于安置老弱病残干部的暂行办法》和《国务院关于工人退休、退职的暂行办法》(国发〔1978〕104号)文件所规定的退休年龄。即：全民所有制企业、事业单位和党政机关、群众团体的工人：

(一)男年满六十周岁，女年满五十周岁，并且连续工龄满十年的;

(二)男年满五十五周岁、女年满四十五周岁，连续工龄满十年的，从事井下、高空、高温、特别繁重体力劳动或其他有害身体健康的工作;

(三)男年满五十周岁，女年满四十五周岁，连续工龄满十年，由医院证明，并经劳动鉴定委员会确认，完全丧失劳动能力的应当准予退休。

煤矿十大特殊工种：（可提前退休）

1、煤矿井下电气作业

指从事煤矿井下机电设备的安装、调试、巡检、维修和故障处理，保证本班机电设备安全运行的作业。适用于与煤共生、伴生的坑探、矿井建设、开采过程中的井下电钳等作业。

2、煤矿井下爆破作业

指在煤矿井下进行爆破的作业

3、煤矿安全监测监控作业

指从事煤矿井下安全监测监控系统的安装、调试、巡检、维修，保证其安全运行的作业。适用于与煤共生、伴生的坑探、矿井建设、开采过程中的安全监测监控作业。

4、煤矿瓦斯检查作业

指从事煤矿井下瓦斯巡检工作，负责管辖范围内通风设施的完好及通风、瓦斯情况检查，按规定填写各种记录，及时处理或汇报发现的问题的作业。适用于与煤共生、伴生的矿井建设、开采过程中的煤矿井下瓦斯检查作业。

5、煤矿安全检查作业

指从事煤矿安全监督检查，巡检生产作业场所的安全设施和安全生产状况，检查并督促处理相应事故隐患的作业。

6、煤矿提升机操作作业

指操作煤矿的提升设备运送人员、矿石、矸石和物料，并负责巡检和运行记录的作业。适用于操作煤矿提升机，包括立井、暗立井提升机，斜井、暗斜井提升机以及露天矿山斜坡卷扬提升的提升机作业。

7、煤矿采煤机(掘进机)

操作作业指在采煤工作面、掘进工作面操作采煤机、掘进机，从事落煤、装煤、掘进工作，负责采煤机、掘进机巡检和运行记录，保证采煤机、掘进机安全运行的作业。适用于煤矿开采、掘进过程中的采煤机、掘进机作业。

8、煤矿瓦斯抽采作业

指从事煤矿井下瓦斯抽采钻孔施工、封孔、瓦斯流量测定及瓦斯抽采设备操作等，保证瓦斯抽采工作安全进行的作业。适用于煤矿、与煤共生和伴生的矿井建设、开采过程中的煤矿地面和井下瓦斯抽采作业。

9、煤矿防突作业

指从事煤与瓦斯突出的预测预报、相关参数的收集与分析、防治突出措施的实施与检查、防突效果检验等，保证防突工作安全进行的作业。适用于煤矿、与煤共生和伴生的矿井建设、开采过程中的煤矿井下煤与瓦斯防突作业。

10、煤矿探放水作业

指从事煤矿探放水的预测预报、相关参数的收集与分析、探放水措施的实施与检查、效果检验等，保证探放水工作安全进行的作业。适用于煤矿、与煤共生和伴生的矿井建设、开采过程中的煤矿井下探放水作业。

特殊工种退休金计算方法

(一)按月领取基本养老金的条件： 参加了基本养老保险缴纳的人员，男年满60周岁，女干部年满55周岁，女工人年满50周岁，特殊工种男年满55周岁，女年满45周岁，且1997年12月 31日以前参加工作，缴纳养老保险费年限和视同缴费年限累计满15年，1998年1月1日以后参加工作，缴纳养老保险费年限累计满15年;退休后按月享受基本养老保险待遇。缴费年限累计不满上述规定年限的，退休后不享受按月领取基本养老金待遇。其个人账户储存额，一次性支付给本人，同时终止养老保险关系。

(二)基本养老金的计发办法： 1、1998年1月1日以后参加工作，缴费年限累计满15年的，基本养老金由：基础养老金、个人帐户养老金两部分组成。2、1997年12月31日以前参加工作，1998年1月1日后退休，且缴费和视同缴费年限累计满15年的被保险人，退休后按月领取基本养老金。

基本养老金由：基础养老金、个人帐户养老金、综合性补贴、过渡性养老金四部分组成：(1)、基础养老金：退休上一年本市职工月平均工资20%;(2)、个人帐户养老金：本人帐户储存额的1/120;(3)、综合性补贴：125元;(4)、过渡性养老金：

a=职工退休时本市上年职工月平均工资 b=职工本人平均点工资 c=职工97年底前缴费年限 过渡性养老金=a×b×c×1% 职工本人平均点工资的计算方公式: n=年职工本人月平均工资 m=年本市职工月平均工资

b=(92n/92m+93n/93m+94n/94m+……………+退休上一年n/退休上一年m)/企业和职工1992年至退休上一年按规定缴纳基本养老保险费年限.煤矿特殊工种提前退休有关政策及办理流程（参考）：

一、特殊工种提前退休条件（必须同时符合以下四个的条件）

（一）工种必须按原劳动部和国家行业主管部门批准的特殊工种目录执行，不同行业之间的特殊工种不能互相比照。

（二）必须是在原国有、集体企业从事高空和特别繁重体力劳动累计满10年的；从事井下、高温工作累计满9年的；从事其他有毒有害工作累计满8年的。

（三）职工档案内对其从事特殊工种的情况有原始记录。

（四）男年满55周岁、女年满45周岁，且累计缴费年限满15年。

二、特殊工种提前退休资料的认定

（一）特殊工种退休审批以职工档案为审批资料，以职工档案的原始记载审核认定职工的出生时间、参加工作时间、视同缴费年限、工作岗位、从事工种等。

（二）职工档案中从事特殊工种原始记载资料不全，或达不到规定年限的，不能办理特殊工种提前退休。

（三）职工档案中没有从事特殊工种记录，通过后来补办的证明材料，不能作为办理特殊工种提前退休的依据。

（四）对于工种名称、劳动条件、专业性质与其他行业相同的工种，如果原行业主管部、委下发文件时，经国家原劳动部同意，已明确规定可以比照其他行业特殊工种执行的，可比照执行；否则，不得比照执行其他行业的特殊工种。

（五）对从事特殊工种基层干部的界定，仅限于工作条件与职工相同且跟班作业的班组长。

三、特殊工种提前退休的办理程序

（一）凡要求按特殊工种提前退休的人员，每月10日前向所在单位（或档案代理机构）递交提前退休书面申请，并提供本人从事特殊工种的工种名称、具体从业期限及能证明所从事特殊工种的原始资料。

（二）所在单位或职工档案托管机构对个人提出的申请理由、工种岗位、具体从业期限及原始资料结合个人档案进行审核，并对要求办理提前退休人员的年龄、工种、参加工作时间、从事特殊工种年限等基本情况进行公示，公示期五天。

（三）所在单位或职工档案托管机构于每月20前将当月公示无异议的提前退休的名册及个人档案、个人补充的辅助材料报送县人社局审核汇总，并于每月25日前上报市人社局审批。

（四）市人社局具体负责审批全市特殊工种提前退休，实行每月审批一次，从审批的次月起计发基本养老金。

（五）县人社局对不符合提前退休条件的，在市局审批的次月10日前将个人档案退还给原单位或职工档案托管机构并简要说明不符合的理由。

（六）单位或职工档案托管机构应在十日内将审批情况及不符合的理由告知申请人。延伸阅读：

关于煤矿工人是否延迟退休，目前网上流传很多版本，但是目前人社部还没给出具体方案，所以暂时还是按照目前国家规定的来。

现在网传《人社部渐进式延迟退休年龄时间表》是假的，不要信谣传！

相信国家相关部门在制定政策的时候，一定会考虑煤矿工人提前退休的问题，如果你有什么担心的，可以在页面底部留言，给煤矿工人退休是否延迟给个建议。

第五篇：关于算法多样化

一、关于算法多样化：

鼓励算法多样化是新课程标准的一个特点。但现在很多老师对算法多样性或多或少地存在一些误区，在些特别提醒：

算法多样化不是一题多解。它是学生在计算一道题时，由于生活背景、学习基础、思维方式、思考角度等方面的差异，学生自主选择的不同的计算方法。它不是靠教师通过一味地讲解、启发、而介绍出来的多种方法；而是教师把主动权交给学生，留出足够的时间和空间，让学生充分经历解题中的发散、求异、创新。

算法多样化不是多多益善。在算法多样化的过程中，少数学生为多样化而多样化，很多算法实质上是一样的，根本不能算为不同算法，形成了算法的泛化（也就是算法泛滥成灾了）。因此算法多样化决不是越多越好；算法多样化决不是低层次的重复；算法多样化决不是无规则的放任。

算法多样化不能一概而论。多样化算法出来后并不是每一个学生都能立刻理解的，而需要结合他们个人的经验去感悟。面对多种算法，好的学生可能领会了，而且还有时间和精力自觉地从中思考，选择更好的方法；然而对于一般水平的学生而言，一节课要掌握那么多种方法是不现实的，接受能力慢一点的学生可能会目不暇接，到头来可能没有一种方法会给他留下深刻的印象，甚至一节课下来，在眼花缭乱的诸多算法里，对自己到底想用哪种算法没有明确的意向，那就谈不上“用自己喜欢的方法算”了。

二、关于算法多样化的优化

我们说“多样化”是指“群体”的多样化，那么“优化”它是指“个体”的优化。这里所说的“个体”也不能脱离教师的推荐与引导。“多样化”与“优化”并不存在矛盾，两者可以而且应该统一于学生的学习过程当中。当然，在这一过程当中，我们必须注意两点：

1、优化的主体是学生。教师应该明确，优化的过程是一个促进学生学会反思、自我完善的过程。教师应把选择判断的主动权放给学生，引导学生进行分析、讨论、比较，让学生在用自己的算法和用别人的算法计算时，认识到差距，产生修正自我的内需，从而“悟出”属于自己的最佳方法。教师要注意在评价算法时，不要讲“优点”，而要讲“特点”，把优点让给学生自己去感悟，为学生多留一点思考的空间，使得所有学生都能在原有基础上得到发展，这才达到了优化算法的目的。

2、教师要明确“优化”并不是统一于一种算法。对于优化，教师应鼓励、引导，但莫强求，应该把优化的过程作为一个引导学生主动寻找更好方法的过程，尊重学生的选择。如果有学生通过优化掌握了更好的算法，教师应及时给予肯定和鼓励。至于有的学生在优化过程中暂时不能找到最佳方法，教师不要急于求成，只要学生参与到这个优化的过程中，其情感态度、数学思考就能得到培养，而这些对于学习比较困难的学生来说又是最重要的。

总之，作为新课程下的教师，我们有责任在“尊重学生的个性特点，关注学生的思维发展”与“尊重学习活动的普遍规律，关注学习活动的指导作用”之间寻找到平衡点，切不可顾此失彼。这就是真正意义上的算法多样化。

算法多样化教学的一般流程：创设情境、激发兴趣独立思考、探索算法

交流算法、理解处理体验感悟、优化算法

联系实际、应用拓展

当然，以上五个程序在具体的实施时，根据学习内容的特点及学生的认知水平，可以作适当的调整，不一定每一个程序都必不可少。