Some music:
<Fly>
There'aalightinsideofallofus
我们心底深处都有一处光芒
it'sneverhidingyoujusthavetolightit
不必隐藏，尽管大放异彩
it'sthatonethingthatyougottatrust
你应该心存信仰
it'slikeadiamond,youjusthavetofindit
就像钻石一样要用心寻找
soifyoueverfeellikegivingup,
如果你曾想放弃
yeah just remember that
请铭记
we were all meant to fly
你我注定飞翔
spread your wings across the universe
展翅飞翔，穿越苍穹
it'syourtimeto,it'syourtimetoshine
接下来是你闪耀光芒的时候
there'salightinsideofallofus
心底深处一束光芒
soon you'll find that
不久你将会明白
it'syourtimetofly,yourtimetofly
该你展翅翱翔
Alittlehelpit'sallitevertakes
代价不过些许快乐
somebodyelsetotellyouit'sworthfighting
人们告诉你付出定有回报
asinglestepbecomesaleapoffaith
一步一个飞跃，一份信仰
that'swhenyourealizeyou'vestartedflying
那一刻你得决心一搏
sodon'tyoueversayyou'regivingup
那一刻你曾想过放弃
no there's no looking back
但已无力回头
causewewereallmeanttofly
你我注定飞翔
spread your wings across the universe
展翅飞翔，穿越苍穹
it'syourtimeto,it'syourtimetoshine
接下来是你闪耀光芒的时候
There'aalightinsideofallofus
心底深处一束光芒
soon you'll find that
不久你将会明白
it'syourtimetofly,it'syourtimetofly
该你展翅翱翔
just reach up,don't give up
奋力向前，永不言败
until you've touched the sky
直到你穿越苍穹
just reach up,don't give up
奋力向前，永不言败
until you feel alive
直到你感到生命的质量
thatwewereallmeanttofly
你我注定飞翔
spread your wings across the universe
展翅飞翔，穿越苍穹
it'syourtimeto,it'syourtimetoshine
接下来是你闪耀光芒的时候
There'aalightinsideofallofus
心底深处一束光芒
soon you'll find that
不久你将会明白
it'syourtimetofly,it'syourtimetofly
该你展翅翱翔
it'syourtimeto,it'syourtimetoshine,shine
接下来是你闪耀光芒的时候
soonyou'llfindthatit'syourtimetofly
不久你将会明白，该你展翅翱翔
spread your wings across the universe
展翅飞翔，穿越苍穹
it'syourtimeto,it'syourtimetoshine
接下来是你闪耀光芒的时候
There'aalightinsideofallofus
心底深处一束光芒
soonyou'llfindthatit'syourtimetofly
不久你将会明白，该你展翅翱翔
<Forever Young>
Let's dance in style
让我们翩然起舞
Let's dance for a while
让我们尽情欢笑
Heaven can wait
天堂也得等著我们
We're only watching the skies
我们只是仰望凝视著天空
Hoping for the best
愿望有最好的结果
But expecting the worst
却作了最坏的打算
Areyougoingtodropthebombornot
你到底是否即将要投下炸弹
Letusdieyoungorletusliveforever
让我们英年早逝，或让我们长生不死
We don't have the power
的确,我们没有力量
But we never say never
但我们绝不说：绝不
Sitting in a sandpit
坐在沙坑里冥想
Life is a short trip
人生只是一趟短暂的旅行
The music's for the sad men
这音乐是为了悲伤的人们而写的
Canyouimaginewhenthisraceiswon
你能想像得出当我们赢得这场战争
Turnourgoldenfacesintothesun
我们以胜利者光彩荣耀的脸 面向太阳
Praising our leaders
赞颂我们的领袖
We're getting in tune
我们随著音乐起舞
The music's played by the madmen
当一群疯狂的人在指挥著音乐的演奏
Foreveryoung,Iwanttobeforeveryoung
永远年轻，我想要永远年轻
Doyoureallywanttoliveforever
你真的想活到永远
Forever -- and ever
永远，永远----
Some are like water
有人静若流水
Some are like the heat
有人热情如火
Someareamelodyandsomearethebeat
有人是奏主旋律，也有人是打节拍伴奏
Soonerorlater,theyallwillbegone
迟早，他们都终将漂逝而去
Why don't they stay young
为何他们无法青春永驻
It'ssohardtogetoldwithoutacause
徒增岁月而没有奋斗的课题又情何以堪
Idon'twanttoperishlikeafadinghorse
我不愿像褪了色的马一般灰飞烟灭
Youth's like diamonds in the sun
青春就像阳光下的钻石
And diamonds are forever
而钻石是永恒的
So many adventures couldn't happen today
有太多以往的冒险犯难在今天已无法实现
Somanysongsweforgottoplay
有太多的歌我们已经忘记怎麼去唱
Somanydreamsswingingoutoftheblue
有太多凭空而生的梦想
We'll let them come true
我们要使它们美梦成真
作者:peterwind_PhDing 日期:2015-06-03 05:43
什么是 NP 问题在计算机学科中，存在多项式时间（Polynomial time）的算法的一类问题，称之为 P 类问题；而像梵塔问题、推销员旅行问题、（命题表达式）可满足问题这类，至今没有找到多项式时间算法解的一类问题，称之为 NP 类问题。
而NP问题中最困难的问题称之为NP完全问题(NP-complete)，已经证明的包括：电话网络的最优几何设计、格子棋的最佳走法。根据库克定理，任意一个 NP 完全问题如果能够在多项式时间内解决，则所有的 NP 问题都能在多项式时间内解决，而至今这一问题仍无答案。
多项式时间（Polynomial time）指的是一个问题的计算时间 m(n)不大于问题大小 n 的多项式倍数。任何抽象机器都拥有一复杂度类，此类包括可于此机器以多项式时间求解的问题。
以数学描述的话，则可说 m(n) = O(n)，此 n 为一常数值（依问题而定）拿推销员旅行问题为例，假设推销员亨利有向 6 个城市推销公司产品的任务，并规定了一个旅行预算。他手中有一张航班票价表，他要从 A 城开始走遍图中的 6 个城市后返回A 城，并且不超出预算，请你帮他找出应走的路线。如果给出的预算宽裕，则任务很简单；如果预算比较紧张，你就得认真设计路线了。你得考虑每一种可能的次序，以使旅费最少。
世界上有很多的非确定性问题，什么是非确定性问题呢？有些计算问题是确定性的，比如加减乘除之类，你只要按照公式推导，按部就班一步步来，就可以得到结果。但是，有些问题是无法按部就班直接地计算出。比如，找大质数的问题。有没有一个公式，你一套公式，就可以一步步推算出来，下一个质数应该是多少呢？这样的公式是没有的。再比如，大的合数分解质因数的问题，有没有一个公式，把合数代进去，就直接可以算出，它的因子各自是多少？也没有这样的公式。
这种问题的答案，是无法直接计算得到的，只能通过间接的“猜算”来得到结果。这也就是非确定性问题。而这些问题的通常有个算法，它不能直接告诉你答案是什么，但可以告诉你，某个可能的结果是正确的答案还是错误的。这个可以告诉你“猜算”的答案正确与否的算法，假如可以在多项式时间（多项式时间： 运行时间最多是输入量的多项式函数）内算出来，就叫做多项式非确定性问题。而如果这个问题的所有可能答案，都是可以在多项式时间内进行正确与否的验算的话，就叫完全多项式非确定问题。
完全多项式非确定性问题可以用穷举法得到答案，一个个检验下去，最终便能得到结果。但是这样算法的复杂程度，是指数关系，因此计算的时间随问题的复杂程度成指数的增长，很快便变得不可计算了。人们发现，所有的完全多项式非确定性问题，都可以转换为一类叫做满足性问题的逻辑运算问题。既然这类问题的所有可能答案，都可以在多项式时间内计算，人们於是就猜想，是否这类问题，存在一个确定性算法，可以在指数时间内，直接算出或是搜寻出正确的答案呢？这就是著名的 NP=P？的猜想。
解决这个猜想，无非两种可能，一种是找到一个这样的算法，只要针对某个特定 NP 完全问题找到一个算法，所有这类问题都可以迎刃而解了，因为他们可以转化为同一个问题。另外的一种可能，就是这样的算法是不存在的。那么就要从数学理论上证明它为什么不存在。
前段时间轰动世界的一个数学成果，是几个印度人提出了一个新算法，可以在多项式时间内，证明某个数是或者不是质数，而在这之前，人们认为质数的证明，是个非多项式问题。可见，有些看来好象是非多项式的问题，其实是多项式问题，只是人们一时还不知道它的多项式解而已。
什么叫做 NP 问题，什么叫做 NPC 问题?
首先说明一下问题的复杂性和算法的复杂性的区别，下面只考虑时间复杂性。算法的复杂性是指解决问题的一个具体的算法的执行时间，这是算法的性质；问题的复杂性是指这个问题本身的复杂程度，是问题的性质。比如对于排序问题，如果我们只能通过元素间的相互比较来确定元素间的相互位置，而没有其他的附加可用信息，则排序问题的复杂性是 O(nlgn)，但是排序算法有很多，冒泡法是 O(n^2)，快速排序平均情况下是 O(nlgn)等等，排序问题的复杂性是指在所有的解决该问题的算法中最好算法的复杂性。问题的复杂性不可能通过枚举各种可能算法来得到，一般都是预先估计一个值，然后从理论上证明。
为了研究问题的复杂性，我们必须将问题抽象，为了简化问题，我们只考虑一类简单的问题，判定性问题，即提出一个问题，只需要回答 yes 或者 no 的问题。任何一般的最优化问题都可以转化为一系列判定性问题，比如求图中从 A到B的最短路径，可以转化成：从A到B是否有长度为1的路径？从A到B是否有长度为2的路径？。。。从A到B是否有长度为 k 的路径？如果问到了 k 的时候回答了 yes，则停止发问，我们可以说从 A 到 B 的最短路径就是 k。
如果一个判定性问题的复杂度是该问题的一个实例的规模 n 的多项式函数，则我们说这种可以在多项式时间内解决的判定性问题属于 P 类问题。P 类问题就是所有复杂度为多项式时间的问题的集合。
然而有些问题很难找到多项式时间的算法（或许根本不存在），比如找出无向图中的哈米尔顿回路问题，但是我们发现如果给了我们该问题的一个答案，我们可以在多项式时间内判断这个答案是否正确。比如说对于哈米尔顿回路问题，给一个任意的回路，我们很容易判断他是否是哈米尔顿回路（只要看是不是所有的顶点都在回路中就可以了）。这种可以在多项式时间内验证一个解是否正确的问题称为 NP 问题。
显然，所有的 P 类问题都是属于 NP 问题的，但是现在的问题是，P 是否等于 NP?这个问题至今还未解决。注意，NP 问题不一定都是难解的问题，比如简单的数组排序问题是 P 类问题，但是 P 属于 NP，所以也是 NP 问题，你能说他很难解么？ 刚才说了，现在还不知道是否有 P=NP 或者 P<>NP，但是后来人们发现还有一系列的特殊 NP 问题，这类问题的特殊性质使得很多人相信 P<>NP，只不过现在还无法证明。这类特殊的 NP 问题就是 NP 完全问题（NPC 问题，C代表 complete）。NPC 问题存在着一个令人惊讶的性质，即如果一个 NPC 问题存在多项式时间的算法，则所有的 NP 问题都可以在多项式时间内求解，即 P=NP 成立！！这是因为，每一个 NPC 问题可以在多项式时间内转化成任何一个 NP 问题。比如哈米尔顿回路问题就是一个 NPC 问题。NPC 问题的历史并不久，cook 在 1971 年找到了第一个 NPC 问题，此后人们又陆续发现很多 NPC 问题，现在可能已经有 3000 多个了。所以，我们一般认为 NPC 问题是难解的问题，因为他不太可能存在一个多项式时间的算法（如果存在则所有的 NP问题都存在多项式时间算法，这太不可思议了，但是也不是不可能）。
类似哈米尔顿回路/路径问题，货郎担问题，集团问题，最小边覆盖问题（注意和路径覆盖的区别），等等很多问题都是 NPC 问题，所以都是难解的问题。
NP 中的某些问题的复杂性与整个类的复杂性相关联.这些问题中任何一个如果存在多项式时间的算法,那么所有 NP问题都是多项式时间可解的.这些问题被称为 NP-完全问题(NPC 问题).
判定方法:
一个判定性问题，满足：
(1)∏∈NP
(2)对任意一个∏’∝poly∏ (注:poly 为规约符号)
则问题∏称为 NP-完全的(NP-complete，NPC)；如果问题∏仅满足条件(2)而不满足条件(1)，则问题 NP 称为 NP-难的(NP-hard)。
总结来说:
P 类:已有多项式时间算法的判定问题.
NP 类:已有指数时间算法的判定问题,包括 P 类.NPC 类:是 NP 的一个子集,且其中每一个问题均能由 NP中的任何问题在多项式时间内转化成.NPH问题:若问题A不属于NP类,已知某一NPC问题可在多项式时间内转化为问题 A,则称 A 为 NPH.
要理解NPH问题,请参看TSP(旅行商问题):http://baike.baidu.com/view/1162183.htm
作者:peterwind_PhDing 日期:2015-06-03 05:45
对 NP-Hard 问题和 NP-Complete问题的一个直观的理解就是指那些很难（很可能是不可能）找到多项式时间算法的问题。因此一般初学算法的人都会问这样一个问题：NP-Hard和 NP-Complete 有什么不同？简单的回答是根据定义，如果所有 NP 问题都可以多项式归约到问题 A，那么问题 A 就是NP-Hard；如果问题 A 既是 NP-Hard 又是 NP，那么它就是NP-Complete。从定义我们很容易看出，NP-Hard 问题类包含了 NP- Complete 类。但进一步的我们会问，是否有属于NP-Hard 但不属于 NP-Complete 的问题呢？答案是肯定的。
例如停机问题，也即给出一个程序和输入，判定它的运行是否会终止。停机问题是不可判的，那它当然也不是 NP 问题。
但对于 SAT 这样的 NP-Complete 问题，却可以多项式归约到停机问题。因为我们可以构造程序 A，该程序对输入的公式穷举其变量的所有赋值，如果存在赋值使其为真，则停机，否则进入无限循环。这样，判断公式是否可满足便转化为判断以公式为输入的程序 A 是否停机。所以，停机问题是NP-Hard 而不是 NP-Complete。
NP 问题就是指其解的正确性可以在多项式时间内被检查的一类问题。比如说数组求和，得到一个解，这个解对不对呢，显然是可以在多项式时间内验证的。再比如说 SAT，如果得到一个解，也是能在多项式时间内验证正确性的。所以SAT和求和等等都是NP问题。然后呢，有一部分NP问题的解已经可以在多项式时间内找到，比如数组求和，这部分问题就是 NP 中比较简单的一部分，被命名为 P 类问题。那么 P 以外的 NP 问题，就是目前还不能够在多项式时间内求解的问题了。会不会将来某一天，有大牛发明了牛算法，把这些问题都在多项式时间内解决呢？也就是说，会不会所有的 NP 问题，其实都是 P 类问题呢，只是人类尚未发现呢？NP=P吗？可想而知，证明 NP=P 的路途是艰难的，因为 NP 问题实在太多了，要一一找到多项式算法。这时 Stephen A. Cook这位大牛出现了，写了一篇 The Complexity of TheoremProving Procedures，提出了一个 NP-complete 的概念。NPC指的是 NP 问题中最难的一部分问题，所有的 NP 问题都能在多项式时间内归约到 NPC 上。所谓归约是指，若 A 归约到 B，B 很容易解决，则 A 很容易解决。显然，如果有任何一道 NPC问题在多项式时间内解决了，那么所有的 NP 问题就都成了 P类问题，NP=P 就得到证明了，这极大的简化了证明过程。那么怎样证明一个问题 C 是 NP 完全问题呢？首先，要证明 C是 NP 问题，也就是 C 的解的正确性容易验证；然后要证明有一个 NP 完全问题 B，能够在多项式时间内归约到 C。这就要求必须先存在至少一个 NPC 问题。这时 Cook 大牛就在 1971年证明了 NP 完全问题的祖先就是 SAT。SAT 问题是指给定一个包含 n 个布尔变量的逻辑式，问是否存在一个取值组合，使得该式被满足。Cook 证明了 SAT 是一个 NPC 问题，如果SAT 容易解决，那么所有 NP 都容易解决。Cook 是怎样做到的呢？
他通过非确定性图灵机做到的。非确定性图灵机是一类特殊的图灵机，这种机器很会猜，只要问题有一个解，它就能够在多项式时间内猜到。Cook 证明了，SAT 总结了该机器在计算过程中必须满足的所有约束条件，任何一个 NP 问题在这种机器上的计算过程，都可以描述成一个 SAT 问题。所以，如果你能有一个解决 SAT 的好算法，你就能够解决非确定性图灵机的计算问题，因为 NP 问题在非图机上都是多项式解决的，所以你解决了 SAT，就能解决所有 NP，因此——SAT 是一个 NP 完全问题。感谢 Cook，我们已经有了一个 NPC问题，剩下的就好办了，用归约来证明就可以了。目前人们已经发现了成千上万的 NPC 问题，解决一个，NP=P 就得证，可以得千年大奖（我认为还能立刻获得图灵奖）。
那么肯定有人要问了，那么 NP 之外，还有一些连验证解都不能多项式解决的问题呢。这部分问题，就算是 NP=P，都不一定能多项式解决，被命名为 NP-hard 问题。NP-hard太难了，怎样找到一个完美的女朋友就是 NP- hard 问题。
一个 NP-hard 问题，可以被一个 NP 完全问题归约到，也就是说，如果有一个 NP-hard 得到解决，那么所有 NP 也就都得到解决了。
让我冒着出错被人砸版砖的危险来解释一下P/NP/NP-Complete/NP-Hard。
1，计算复杂性
这是描述一种算法需要多少“时间”的度量。（也有空间复杂性，但因为它们能相互转换，所以通常我们就说时间复杂性。对于大小为 n 的输入，我们用含 n 的简化式子来表达。（所谓简化式子，就是忽略系数、常数，仅保留最“大”的那部分）比如找出 n 个数中最大的一个，很简单，就是把第一个数和第二个比，其中大的那个再和第三个比，依次类推，总共要比n-1次，我们记作O(n)(对于n可以是很大很大的情况下，-1 可以忽略不计了）。
再比如从小到大排好的 n 个数，从中找出等于 x 的那个。一种方法是按着顺序从头到尾一个个找，最好情况是第一个就是 x，最坏情况是比较了 n 次直最后一个，因此最坏情况下的计算复杂度也是 O(n)。还有一种方法：先取中间那个数和 x 比较，如偏大则在前一半数中找，如偏小则在后一半数中找，每次都是取中间的那个数进行比较，则最坏情况是 lg(n)/lg2。忽略系数 lg2，算法复杂度是 O(lgn)。
2，计算复杂性的排序：
根据含 n 的表达式随 n 增大的增长速度，可以将它们排序：1<lg(n)<n<nlg(n)<n^2<...<n^k(k是常数）<...<2^n。最后这个2的n次方就是级数增长了，读过棋盘上放麦粒故事的人都知道这个增长速度有多快。而之前的那些都是 n 的多项式时间的复杂度。为什么我们在这里忽略所有的系数、常数，例如2*n^3+9*n^2 可以被简化为 n^3？用集合什么的都能解释，我忘了精确的说法了。如果你还记得微积分的话就想像一下对 (2*n^3+9*n^2)/(n^3) 求导，结果是 0，没区别，对不？2，P 问题：对一个问题，凡是能找到计算复杂度可以表示为多项式的确定算法，这个问题就属于 P (polynomial)问题。
3，NP 问题：NP 中的 N 是指非确定的(non-deterministic）算法，这是这样一种算法：（1）猜一个答案。（2）验证这个答案是否正确。（3）只要存在某次验证，答案是正确的，则该算法得解。
NP (non-deterministic polynomial)问题就是指，用这样的非确定的算法，验证步骤（2）有多项式时间的计算复杂度的算法。
4，问题的归约：这……我该用什么术语来解释呢？集合？太难说清了……如果你还记得函数的映射的话就比较容易想象了。
大致就是这样：找从问题 1 的所有输入到问题 2 的所有输入的对应，如果相应的，也能有问题 2 的所有输出到问题1 的所有输出的对应，则若我们找到了问题 2 的解法，就能通过输入、输出的对应关系，得到问题 1 的解法。由此我们说问题 1 可归约到问题 2。
6，NP 完全问题 (NP-Complete)：有这样一种问题，所有 NP 问题都可以归约到这种问题，则它是 NP-Complete 问题。可满足性问题就是一个 NP 完全问题，此外著名的给图染色、哈密尔顿环、背包、货郎问题都是 NP 完全问题。
5，NP-Hard：从直觉上说，P<=NP<=NP-Complete<=NP-Hard，问题的难度递增。但目前只能证明 P 属于 NP，究竟 P=NP还是 P 真包含于 NP 还未知。
作者:peterwind_PhDing 日期:2015-06-03 05:57
人生而自由，但无往不在枷锁之中
人的生命有限，很多时候都是在条件约束下寻求较优决策。
在我们把熵看作是计量不确定程度的最合适的标尺时，我们就基本已经认可在给定约束下选择不确定程度最大的那种分布作为随机变量的分布。
因为这种随机分布是最为随机的，是主观成分最少，把不确定的东西作最大估计的分布。
任何物质系统除了都受到或多或少的外部约束外，其内部总是具有一定的自由度，这种自由度导致系统内的各元素处于不同的状态。而状态的多样性，状态的丰富程度（混乱程度、复杂程度）的定量计量标尺就是熵，熵最大就是事物状态的丰富程度自动达到最大值。换句话说，事物总是在约束下争取（或呈现）最大的自由权，我们把这看作是自然界的根本原则。
人也是一样的。
最近学习太忙，感觉世界太大，知识太多，自己实在太渺小了。
实在不想多说话，直接交易，上图。
{SIMAGE}http%3A%2F%2Fimg3.laibafile.cn%2Fp%2Fm%2F215475867.jpg{EIMAGE}最后再说 3 句话，包括这一句，我要说的说完了。
作者:peterwind_PhDing 日期:2015-06-06 21:29
41. 无欲则刚，有容乃大----要学会宽容，模糊容差
回复@重新开始 2020，内容被抄袭是好事啊，不要批评它过分。其实天下文章一大抄，好的东西，特别是知识，就是应该多分享的。当然有合理的分享激励机制固然重要，不过对我而言，五蕴皆空，已经不在意这些东西了。而且说实话，我所说的每一句话，其实都不是我自己的，都是大自然天道循环早就被浪花冲上岸边的珍珠，我只不过偶然间发现了它们，并把它们拾起来串成一串，所以看上去更耀眼而言。
实际上他们并没有抄袭我的东西，相反，只是因为它们经由我的串引，见识了大自然循环天道的自然之美，而自然天道中有些东西实在太过美好，见过之后，十分欢喜，于是自然而然地希望借鉴引用而已，这是人性，是天性使然，不必计较。
其实谁都不是一生下来就是爱因斯坦或者香农的，人类的智慧是通过种群遗传下来的。。。我们目前所掌握的所有知识，不也是通过学习前人和他人而来？或者学习之后自己再思考创新而来吗？所以可以宽容一些，欢迎任何人抄袭借鉴。
正如我之前小说自序里所写：这就是生活，每个人都有自己色彩斑斓的世界，也有各自不同的生活感受，但是从人类整体社会学的角度来看，所有人的生活又都大同小异。现实生活中，有太多不幸的人虽然身处逆境但却顽强地坚持梦想为幸福而努力。
我一直相信，只需要一本书甚至一句话或者一个眼神就可以改变一个人的命运，在很多慈善扶助的实践中我也确实感受到了这种引导的力量。人生来都应该幸福的，只要他用心去努力，每个人都有机会创造属于自己的生命中的奇迹。
。。。
这本书的所有内容，会在互联网上同期传播。主要是考虑到很多喜欢读书的年轻人并没有太多钱，可能会买不起自己想读的书。所有这些渴望求知的学生们，都尽可下载传阅，借鉴参考，倘若有任何以为精妙之处，尽可随意引用。希望天下有缘人能细细品味，从中悟得大道。
可能有人会问为什么你要这样做？我想说，因为我写书主要目的并不是为了赚钱，而是希望读过它的人能从中得到启迪和帮助。在我看来，如果一个人的某件作品能拨动读者的心弦，触发读者的灵感，那就已经是对他最好的嘉奖。一直试图把自己对生活的一些理解和感悟用可以流传的文字的形式表达出来，算作是献给亲人和朋友们的一份礼物，如果大多数的人都认为它还不错，都可以接受我的作品，认为从中确实可以体会到一些做人的艰辛、生活的苦楚、青春的快乐和情爱的幸福，那我也就心满意足了。
有些文字是可以直抵人的内心的，这些文字被细细吸收后，蔓延到思想深处，就会成为阅读者思想的一部份，从而影响其言其行。所以一部好的作品一旦创作出来以后，就不应该仅仅只属于作者本人，而应为天下所有愿意分享它的人所共享。
。。。
所以无欲则刚，有容乃大，要学会容差。
回复@csenqiang你提的问题很好，关于两手铝多单要跌破 13000 大关了，是否要先撤了的问题。我正好和大家细讲一下，其实交易简单一点只有开单和平单。开单和平单技巧之前在大突破策略的图示中已经有讲了，但还是有朋友在问，什么时候继续持有，什么时候止盈或止损，以及为什么我之前的胶、棉、铝、煤等都在不同位置平掉。
其实这个问题问得很好，股市也有这个说法，会买会开单的买得好的，只是徒弟，会卖会平单卖得好的，才是师傅。
既然你信我跟了我两手沪铝多单，那我抽空给你细讲一下，顺便也捎带给大家讲一点人工智能知识，这和我的寓乐流小说一样，我的小说给玩网游的小孩子们讲游戏故事的同时，就讲点文学艺术和自然数理知识，这个贴子讲期货投资如何赚钱，也顺便讲一些赚钱之外更有趣的东西，呵呵。。。
其实人要学会顺势，学会在正确的方向上坚持，时间会帮助这样的有耐心的人。
我为什么开单？你为什么跟单？说穿了还是希望能赚钱。但是开单后能不能赚钱，这个其实是不确定的，我可以说，跟着我开单“一定”会赚钱。但这个一定不是传统意义的上布林逻辑 1，不是 100%，而是有一个模糊概率的，所以用模糊逻辑来容差运算最好。
所以这里我再次强调，做期货或股票投资，一定要用自己可以全部输得起的闲钱，而且一定不能心急，不要总想着一夜暴富，想着自己只投 1 万，找人借资或配资 10 万，再加上期货的 10 倍杠杆或外汇的 100 倍杠杆，然后一下子 10多万满仓压下去，一晚上就可以赚1-3万甚至5万10万回来，一夜就可以翻 1-10 倍----为什么不要这样做，道理很简单，因为这个“一定”不是 1，哪怕它是 99.99999，它也不是 1。而只要不是 1，就是有风险，就不值得用自己多得来开了单就睡不着觉心里要挂念着它的那份心思去想它，因为不值得，过多的钱财贪欲，相比于人的身心健康而言不仅无用，反而有害）。
这里推荐一个简单的 10 分钟的可汗学院概率密度函数课程，可以帮助大家理解这个连续随机变量的模糊概念。
。。。。
http://v.163.com/movie/2011/6/H/0/M82IC6GQU_M83JAHTH0.html
作者:peterwind_PhDing 日期:2015-06-06 21:39
就象上面所讲，人们虽然常常说一定会下雨，下雨量在2 英寸的概率约 90%,但雨量要准确地落在 2 这一点的概率其实是接近于 0。
也就是说，哪怕表面上有 90%的概率，只要真正发生在那一点的概率，其实接近于 0，也就是说从理论上来说，永远几乎不可能在最准确的时间买到最准确的买点和卖出最准确的卖点（虽然实际交易中我经常做到，但总体概率，其实接近于 0）。
比如说根据以前的市场习惯和运行趋势规律，铝一定会在这个时间周期和空间周期见底，其实这个一定，无认是时间周期还是空间位置，都是不确定的。但是我们可以有办法可以确定地知道大概的时间和空间位置，正如我的交易计划，都是提前说了，之后让时间一一验证的，所以大家都看得到。
类似于之前4月10号提前说橡胶的大底12000开多，23号13400加多，5月4号及6号提前说了压力位置暂时顶部15220平多，5月15号提前说了新的底部13600在两周内出现。这些时空位置都是可以预测的（但是要根据市场实际走势来修正）。
再来细讲一下我开的铝单，比如铝的位置 13000 是我们确定了有“一定”可能是底部位置，（结合有可以趋势变化的时间周期之窗，以及量能因素、国内外现货基本面因素等决策的，后面和神经网络图的方式来讲），我们就可以合理地以我们认为合理可接受的资金量去对应这个“一定”的可能来开仓。至于是不是该平出或反手，以及按多少量平出或反手，方法太多太复杂，其实可以先继续使用我之前大突破策略讲到的一个最简单的办法，直接定一个阀值，比如以 1%作为有效突破的方式，那么从下往上突破 13000 再往上 130点，就是 13130（接近我开单的 13160 位置）,就可以看作是有效的向上突破。类似的向下跌破 1%，就是 13000 再向下130 点就是 12870，就是有效的向下突破，就要规避平多或反空。实际前天昨天杀到 12900，离有效突破位置很近了。
当然这个阀值是可调的，每个人可以对不同的品种在不同时期使用不同的数值。这个最简单的阀值方法对所有品种都有效，而且开单前就很好计算盈亏量。实际上多空任何品种都无所谓（比如现在 2450 空郑醇，记得开单就设上止损保护）。
但是我这里要特别补充一点，请一定加上时间周期因素，而不要只考虑空间价位阀值。比如对我而言，如果是做轻仓中长线的单子，一般会只把连续 3 日收盘价都在关键位置上方或下方的，才视为有效突破，也就是说，会忽略掉所有日内穿刺，像前天那样日内即使刺破了 12870，只要收盘收上去了的，我也不会算跌破，不会平多不会反空，而且要 3 天都在 12870 以下，我才会平多反空。具体每个人可以用自己的交易系统和周期，但请一定加上时间周期因素，而不要只考虑空间价位阀值。
其实宇宙是分形结构，头顶苍穹的浩瀚星河，与人类的DNA 种群智慧遗传，及人脑的神经网络决策系统如出一辙。
人脑有近 150 亿神经元，最擅长于将无数的信息输入，同时快速处理后模糊决策出一个或几个优化结果。
神经网络最简单的结构图如下：
{SIMAGE}http%3A%2F%2Fimg3.laibafile.cn%2Fp%2Fm%2F215877878.gif{EIMAGE}
然后每个神经元最简单的结构图如下：
{SIMAGE}http%3A%2F%2Fimg3.laibafile.cn%2Fp%2Fm%2F215877933.gif{EIMAGE}但这个快速决策过程，让计算机来做，实在太难了，你想想 150 亿神经元组合后的可能性多大，所以一下子想讲清楚是很难的。So simple fuzzy inference is like:
{SIMAGE}http%3A%2F%2Fimg3.laibafile.cn%2Fp%2Fm%2F215878056.jpg{EIMAGE}
不多说了，越是学习，越觉得自己渺小。
自己所知所学，不过人类已知浩瀚学识之沧海一粟，学海无涯，回头是岸，再学会儿就休息看球赛了。
平常欧洲冠军杯决赛都是在我生日时候踢，今年延期到了今天，正好英国时间是我结婚纪念日 6 月 6，回想人生浪漫生活，感觉真是幸福无限。
其实人能够安全活着就已经很好了，也不奢求一定要学成科学家什么的。也希望大家都平安幸福，沉船掉飞机的事情少发生一些。
作者:peterwind_PhDing 日期:2015-06-07 06:09回复@赤柱飞鹰：如果你懂得了熵，懂得了自然天道，懂得在复杂不确定情况下找到自己的针对不确定程度的最合适的应对标尺，懂得如何在给定的资源约束下选择不确定程度最大的那种分布作为随机变量的分布并以此布局应对，你就会自然而然会懂得政治，国家，思维，战术，游戏规则，投资技巧，和其它的一切，无往而不利---即使现实世界物欲横流，人心变幻神鬼莫测，其实也一样尽在其中，这就是道。。。
作者:peterwind_PhDing 日期:2015-06-08 03:02回复@csenqiang：有人说到股票，说谈谈大盘，确实目前股票涨这么好，大可不必做期货，不过做股指期货，本身就比只做单边的股票好，说到股市走势。。。如果不管基本面，只看技术趋势，大盘还得有最后一波涨，还得上 6000，基本面再萧条再烂，似乎也比国外比如欧洲一些国家好，而且市场常常有很大滞后和前瞻性，所以不必计较房产泡沫，如果要吹大，就跟着吹，吹爆了，就跟着空。。。顺势而为，无须计较。。。
作者:peterwind_PhDing 日期:2015-06-09 02:09
回复@豆腐脑哥哥：关于镍的问题，做个答复.
做投资，最主要的是要客观，依据市场走势和基本面变化而交易，不能因为自己有了什么单子就强求奢望该品种按自己希望的方向走。。。客观来说，我的交易系统多维参数指示，目前铝和镍都还在震荡转势确认中，都不如橡胶的“多”属性高，如果做多，还是应该择机换回橡胶,或多匹配资金多胶（我目前没时间交易，只是随便抽空做一两手给大家示例，玩玩而已，你们有时间交易的，不妨按我之前说的大突破策略分批部署换为多胶），其实重要的是系统信号是什么就是什么，而不是我说什么。
道是无言佛是空。
其实好的交易本质，就是数学系统，要自己建模，我用嘴巴说，是说不清楚的，有心的，认真看一下我上面贴的那三张图，特别是后面那张最简单的模糊推理举例图。
到底做什么交易最好，这并不以我们目前持有的是铝和镍或者有人跟我们多铝多镍而发生转移。。。股市也是一样，它如果趋势是还要涨，就不会因为有很多都认为它应该要调整都不敢碰就停下脚步，这和我说它还要继续涨没有任何关系（只要涨的趋势还在，我就是说它要跌，它也跌不下去）。
每个人应该建立自己的交易系统，它应该就如你自己本身如人类神经系统一样，是一个多输入综合决策后得出理性优化结果的一个自学习系统，它应该是根据各种技术物征指标和基本面指标，结合时空周期和时间成本、资本成本、风险控制和利润效率，综合决策，匹配多个输入，输出最优或者较优结果，你可以用人脑，也可以用电脑来实现这个综合决策，但这个过程不能少，不能直接从一个输入，就跳到输出了。
不要只听我推荐多胶，就跟多，而要有一个自己的决策系统（和我的系统一样），你自己的系统验证后，算出来多胶最优，然后你就听系统的，而不是听谁随口说的。
从这一点来说，炒股或做期货投资，都应该只听自己系统的，而不要听别人的。
别的任何人说的都不管用，只有自己的系统根据输入信号处理后出的结果才管用，包括我说的（比如我前面说的目前多镍不如多胶），也不可尽信，尽信书不如无书，兼听则明，偏信则暗。
前面早就说了，投资决策一定要自己拿主意，要建立自己的系统，而不要道听途说，去听什么大师的指导，不要寄希望于别人的指导，信我的跟随我的，赚了那是应该的，因为顺了自然天道，但是不明白交易的本质，只跟随交易单而不明就理，关键时候不懂止盈止损，亏了那也是自己活该，因为这都是你自己的决策，与其把时间花在道听途说听人指点，不如自己静心下来设计自己的交易系统。
其实不需要懂技术，也一样可以建好系统，做好投资。
比如你有 5 个朋友，都给你指点了股票，你把他们不同的人说的话都当作是输入信号，如上述神经元图一样，分别设定不同的权重，然后自己建立自己的神经网络结构处理这些神经元信号得出结论，并且根据他们的指导结果定期调整他们的权重，遇到股票，听他们 5 个的意见再按权重加权后处理，比你只听他一个人说的全部都买他说的一只股票结果要好得多，风险也要小得多。
补充一点，永远不要重仓满仓于一只品种----因为风险控制，不要把所有蛋放在一个篮子里，这是真理。
（生活就是这样，功夫在诗外，很多时候当你看上去当时似乎只有一条路可以走的时候，其实回头看，那条路一定是错的，相反有很多正确的更优的路你其实当时并没有看到和找到）。
如果你所匹配的信息都只集中在一只品种上，那只能说明你的生活面太狭窄了，你需要放弃投资，多去享受生活，从生活中得到资讯，更好地体味投资之道。
作者:peterwind_PhDing 日期:2015-06-27 01:1445. 从投资市场理解傅立叶，理解确定与随机，混沌与分形，不完备与不确定
诸位兄弟实在不好意思最近学习太忙，又有亲戚来英国玩，儿子和妹妹又过生日等，一个人简直要活一百遍都不够用。
今天周末了，好不容易来补上，先上交易图，因时间有限，没怎么交易，但是认真看记录还是能理清脉络，简单说还是那句话，顺势而为：
之前 13160 多铝错了，铝连续三日都跌破关键位置确认错了，所以认错，因为短线信号转空，所以平掉一半短线仓，仍保留长线仓不动，而将短线资金认输退出投向短多趋势更明显短多概率更大的菜粕，做多了两波，弥补了之前铝的损失，之后因菜粕的短线信号由多转震荡而铝的短线信号由空转震荡又把短多菜粕换回多铝的长单，打算以后没时间看盘就都当长线单只要长线信号不变就一直拿着不用管了。
{SIMAGE}http%3A%2F%2Fimg3.laibafile.cn%2Fp%2Fm%2F217835394.jpg{EIMAGE}
其实天道酬勤，大道至简，这就是一个天理，资金和时间，是投资最重要的两个元素，不管你是谁，如果你投入更多的钱进入市场，理论上你就会有更多的风险；而如果你想一本万利基本上无风险地用天道循环之理去“一生二，二生三，三生万物”，用一点儿资金就想赚到很多的钱，那么：1.2.要么你要在短时间做极其高频的正确交易，要么你就得有耐心依靠的时间长线盈利。
用数学和经济语言来说，类似对应于
1.要么你在一个很小的区间段做无限的积分把利润或频率值提高到无限，用不到 20%的时间赚取超过 80%的利润；
2.要么你用长尾理论用小很的增幅把后面的时间拖得很长接近于无限因而可以赚更多；但不管是哪种选择，其实在小资金量的情况下，你都要付出更多的时间投入和勤劳精力！其实这像傅立叶变换的频域和时域一样，你明白了这个道理，就不会心急就会明白如何利用时差和资金控制来寻求系统稳定平衡。
其实傅立叶变换是一个数学上极为精美的对象：
它是完全可逆的，任何能量有限的时域或空域信号都存在唯一的频域表达，反之亦然。
它完全不损伤信号的内在结构：任何两个信号之间有多少相关程度（即内积），它们的频域表达之间也一定有同样多的相关程度。
它不改变信号之间的关联性：一组信号收敛到一个特定的极限，它们的频域表达也一定收敛到那个极限函数的频域表达。
傅立叶变换就象是把信号彻底打乱之后以最面目全非的方式复述出来，而一切信息都还原封不动的存在着。要是科幻小说作家了解这一点，他们本来可以多出多少有趣的素材啊。
在傅立叶变换的所有这些数学性质中，最不寻常的是这样一种特性：一个在时域或空域上看起来很复杂的信号（譬如一段声音或者一幅图像）通常在频域上的表达会很简单。
发表评论 取消回复