第五百七十五章坏消息和好消息（2 / 2）

陆语笑道。

“啊...”

听到了陆语的回答，刚刚说话的那名研究人员顿时有些泄气了。

他刚刚跟那个女研究学者争论了那么久，就是为了要证明支持向量机算法是一个更适合微型卫星网络微电机系统的算法。

事实上，他本身对自己的结论也非常的有信心，毕竟这并不是他一个人想出来的方案，而是跟其他几个人商讨了许久之后得出来的统一结论。

然而...

陆语却是直接的否定了这个结论。

这岂不是证明他刚刚跟那个女的争吵了那么久，自己说的全是错的了吗？

一念至此，这名研究人员的脸上也露出了些许的失望与不甘。

如果其他人这么否定他的想法，那么他肯定会非常的不甘心，甚至会红着脸跟那个人据理力争。

可是说话的人是陆总工。

先不说陆总工之前展现出来的可怕技术含金量，光看之前陆总工还在和稀泥，眼下又突然转变了口风，显然是想到了什么之前没有意识到的点。

反驳...恐怕还真没什么意义！

“唉。”

“也就是说我们真的想错了？”

“可是不应该呀，我真觉得支持向量机算法，绝对是一个好算法！这怎么就用不上呢？”

“我也想不明白，只能说我们还需要再沉淀一下吧。”

其他几个研究人员的内心也有些沮丧，尤其是刚刚争吵的比较凶的那几位，甚至都不敢抬头跟那个女研究人员去对视，毕竟理一亏，人就怂嘛。

相比较于这几个人的怂样，刚刚那名争吵得面红耳赤的女研究员，脸色一下子就变得神气了起来。

“哼！”

“我不是早就跟你们说了吗？”

“卡尔曼滤波器算法就是一个更优秀的算法，你们偏偏还不相信我说的话，唉，这下陆总工一发言你们总该相信了吧！”

她脸上的笑容也变得得意了起来。

其他几个研究人员虽然看她这一副小人得志的模样，非常不爽，但是自己提出的方案既然被否决了，那也不好再说什么。

刚刚那个研究人员突然想到了什么，眼眸中流露出了一抹好奇的神色。

半响后，他再一次将目光投向了陆语：

“陆总工，你刚刚提的是一个好消息和一个坏消息。”

“坏消息您刚刚已经告诉我们了。”

“那...”

“好消息是什么？”

这话一出，其他几位研究人员也都是反应了过来，全部都将好奇的目光聚焦在了陆语的身上。

是啊，一开始陆语提出的可是一个好消息和一个坏消息，如今坏消息已经说出来了，那么剩下的那个好消息又会是什么呢？

一时之间，众人的心头也都忍不住浮现出了期待。

“嗯...其实这个所谓的好消息也不能称得上是真正意义上的好消息，只是对你们这几个人来说是好消息罢了。”

陆语似笑非笑的说道：“坏消息是支持向量机算法不适合我们的工程。”

“而好消息...则是。”

“卡尔曼滤波器算法，也同样不是最适合我们的那一个算法。”

“换而言之。”

“这两个算法其实都应该被淘汰掉。”

啊？！

实验室内的所有研究人员们一下子全部都蒙圈了！

众人一脸不敢置信的看向了陆语，就连刚刚那名神采飞扬，脸色非常得意的女研究人员，都露出了极为惊讶的表情！

她甚至差点没握稳手上的水杯。

刚刚这名女研究员还在为了自己的主意而感到得意无比呢，怎么转眼间，自己提出的方案也被否决了？！

“不是，陆总工。”

“如果说两种算法都不是最优解的话，那您认为的最优解到底是什么？”

一个研究人员终于是忍不住内心中的疑惑，将它倾诉了出来！

事实上他也确实是极为不解，卡尔曼滤波器算法和支持向量机算法，都是各自领域内比较优秀的算法，虽然两者都存在着一定的缺点，但是对于解决现目前的问题而言，无疑是两个比较合适的选项！

他们刚刚之所以彼此之间为了这个问题争论不休，主要也是想要在两个算法之间挑选出那一个最合适的。

可是谁又能够想到...

陆语竟然同时否定了他们两拨人的想法！

他们也确实是想不到，还有什么比这两个算法更加适合于微电机系统兼容性问题的算法了。

气氛也烘托的差不多了。

陆语笑着说道：“你们听说过遗传算法吗？”

“遗传算法？”

研究人员们的脸上都露出了一抹莫名疑惑的神色，面面相觑，谁也不知道该怎么开口。

“你们没有听说过也正常。”

“这个算法的主要应用领域...嗯...”

陆语揉了揉太阳穴，思考着该怎么跟这些研究人员们去解释。

遗传算法算是他前世里面用到的比较多的一种算法，主要应用领域虽然不在航天航空领域，但是航天航空领域或多或少也会涉及到一些。

而这些人没有听说过这个算法，显然是不正常的。

那么能够得出的解释就只有一个了，就是目前的这个世界，或者说这个蓝星中遗传算法还并没有真正的面世。

它可能只存在于某些一线理论实验室中，甚至连某些一线理论实验室里面都没有，暂时还完全没有诞生的迹象。

这也无怪乎这些研究人员们，竟然一个都不知道遗传算法的。

所以陆语也是干脆不跟他们解释这个算法究竟是运用于哪一个领域，又是如何研究出来的了，而是直接告诉他们究竟何为遗传算法。

“遗传算法是一种类比自然界的达尔文进化实现的简化版本。”

“通过模仿自然选择和繁殖的过程，遗传算法可以为涉及搜索，优化和学习的各种问题提供高质量的解决方案。”

“同时，它们类似于自然进化，因此可以克服传统搜索和优化算法遇到的一些障碍，尤其是对于具有大量参数和复杂数学表示形式的问题。”

“你们就算没用过，也该听说过吧？”最近转码严重，让我们更有动力，更新更快，麻烦你动动小手退出阅读模式。谢谢