论文，无疑便是这种典型的例子。
《论“遗传算法”对法术模型最后迭代应用改进》。
这个题目说白了就是对法术模型最终计算的人工优化，让众人计算的“解”逼近整体效率的“最优值”。
然而，题目太大，内容就容易空泛，常常会陷入“只是做了一点工作”的困境。
用来给学徒们应付应付，倒是足够的。
“秘能场一共十七个参数，粒子强度、粒子空间通量、粒子分布场、粒子衰变速率、粒子跃迁频率、粒子荷变量……”
“掌握了将其输入法术模型之中，然后以自身储存的秘能粒子为媒介，以其转化的能量为引，带动空间周遭的秘能粒子，按照模型实现正反馈，最终输出法术。”
林奇默默复诵着自己在课堂上学到的知识，“所以这个算法是针对输出的反馈的。”
“没错，一直以来，追求法术的效果与威力有两条路，实际上都是在对抗着误差。”
“一条是收集参数的准确性，一方面弥补的是测量误差。我们人类比不得巨龙这种魔法生物，传说中的高等精灵更是在这方面有得天独厚的天赋。”
“这条路第二方面误差是时间误差，比较随着时间推移，旧数据会失真。所以我们都在努力把计算过程速度压缩到极致，降低时间带来的误差。”
“第二条便是追求最终结果的有效性，但问题在于我们所算出的常常是局部最优而非全局最优，所以这一直以来就是一个大课题。”
林奇通过完整地将整个“魔法”法术施展出来后，基本功底已经足够。
“局部最优
第202章 面试(2/4)