|
在上一篇文章中，我们讲了世界观矛盾的普遍性和特殊性的问题。同样是人，有男人，有女人。同样有身高，有170cm，有180cm，有163cm，有150cm。同样是水果，有的是苹果，有的是桃子，有的是梨子。即相同的一个属性，在不同的领域其有着具体的不同的展现形式。 那么，针对于这样相同共性的不同特性表现的世界观，我们自然就会想到一个相同方法论不同领域的具体表达形式问题，而又，我们要求是数学的方法论，那么这个问题就转化为一个普适性的策略不同事件、物体、领域上的不同的最优参数问题。 所谓的最优参数，是指，因着世界观矛盾的普遍性共性，所以会有一个共同的策略，而同时，因着世界观矛盾的特殊性，那么这个普适性的共同策略在不同的领域里，要达到最优的策略目标，它的参数是不一样的。 比如说，两片水域，都有鱼，但是鱼群不一样，这个水域鱼类属于小型鱼，那一个是大行鲨鱼。因为都是鱼，所以我们用鱼网都是可以捕捉的。但是同时，又因为鱼的大小不一样，那么要在本片水域获得最多的捕鱼量，鱼网的网眼面积等参数就不尽相同。小鱼类水域网眼小一些，通过计算最大捕鱼量，捕捉到最多的鱼。但是，这个网眼去大鱼类那里就不是最大捕鱼量需要的网眼大小。 同一个策略，在n个领域都适用，但是不同的领域具体情况又不一样，那么要达到本领域最优，那么策略的参数是不一样的。就像一个函数一样，比如一元二次函数，y=ax2+bx+c，它有着相同的表达形式，但是因着系数的不同，那么取最值的自变量取值会不一样。一个在几个领域都适用的一个统计模型，因为不同领域属性不一样，那么要在本领域达到本领域的正期望值，参数要求不一样。要达到本领域最大正期望值，最优参数不尽相同。必须要根据本领域具体的表现形式，找到本领域正期望值的参数范围以及最大期望值的最优参数，而不是一刀切。 上一篇文章是关于世界观的共性与特性，我们讲过，因为世界观，所以方法论。所以，很自然的，这一篇文章就是方法论的共性和特性问题。因为相同的世界观，所以相同的方法论，又因为这个相同的世界观的不同表达形式，所以不同领域方法论取最优目标值所需要的最优参数不一样。本篇策略的最优参数，指的就是某个普适性的策略在本领域达成本领域最大目标值所需要的参数要求。 |
|
|
