創新一直是一個令人糾結的話題，研究生畢業設計多數需要演算法的創新，而博士生畢業更需要大量的創新才行。這裡，我們就團隊這幾年來的工作經驗，談談如何進行合理的演算法創新。
一、創新角度
通常，我們使用一個演算法，這裡舉個簡單的粒子，PSO粒子群優化演算法，我們通過模擬，會得到該演算法的收斂速度，模擬精度等一些引數指標。如果我們需要對該演算法進行創新，一般就需要從原演算法的效能指標角度考慮，比如收斂速度和精度的提高，對於一些低要求，可以在保證收斂速度不變的情況下，提高精度，或者在精度不變的情況下，加快收斂速度，如果要求較高，則同時考慮如何提高收斂速度和精度。一般情況下，針對這種情況，我們需要考慮別的類似演算法，而這些演算法必須具備快速收斂和高精度中的某些特性，這樣我們就可以將多種演算法的優勢進行整合，從而實現演算法的創新並提高原演算法的效能。
對於低程度的創新，一般都是這麼個思路。
二、創新依據
什麼是創新依據？所謂創新依據，就是我們使用的創新演算法，所考慮的角度是有理論依據的，我們不能憑空修改原來的演算法，這樣即使獲得了佈局的更優解，但也無法證明全域性的更優。因此，正如一所說，我們需要選擇某些效能比原演算法更好的其他現成演算法，進行演算法的整合。
三、創新的驗證
對於改進後的演算法，我們需要使用大量的測試樣本進行對比分析，驗證演算法的各個效能指標是否較原來的演算法有所提高。
四、完全的創新
完全的創新，這個是高要求的創新，一般有兩個層次，一個是跨學科的創新，一個理論的開拓。
我們通過這幾年的情況看，一般，要求稍高的碩士，會涉及到跨學科的演算法創新，比如，我們將物理上的一些公式應用到生物化學上的公式，並結合進行創新，或者是使用一組數學公式，去研究一些文科的問題。
理論的開拓，這個屬於是最高要求的創新了，即沒有現成的理論依據，需要我們去研究，總結出相關的理論，一般學生的課題不會涉及到這方面的要求，通常是一些較為複雜的工程專案或者博士課題，需要根據已知的一些條件，推算出一些新的公式，來表徵一個過程或者現象。這個就非常有難度。