一些概念 程序数据向量（PDV） SAS自动变量名及其使用 理解DATA步内部处理过程 代码编译期间发生的事情 程序执行期间实际发生了什么 如何获取和存储变量属性 DATA时建立SAS数据集的主要方法之一。一些涉及数据处理和创建数据集的任务可能只能通过DATA步才能解决 DATA步分编译和执行两个阶段，PDV贯穿SAS编译和执行的两个阶段，决定了信息在DATA步中的存储及变化 编译阶段包括： 编译SAS语句，包括检查语法 创建一个输入缓存区（input buffer）（如果需要读入原始数据文件）、一个PDV和描述性信息 执行阶段包括： 计算DATA步迭代的次数（从DATA

DATA步-PROC步-OUTPUT步 DATA步：此步骤涉及将所需数据集加载到SAS存储器中并识别数据集的变量（也称为列）。 它还捕获记录（也称为观察或主体）。 DATA; 数据集的创建 INFILE ‘文件路径’ INPUT; 定义变量 CARDS; ; RUN; . 表示数据缺失 过程步 proc ; run; SAS 概述 SAS常用组件 Base 核心模块 Graph 图表 Stat 统计分析：方差分析、回归、多变量分析、生存分析、心理分析 Or 行动调查 Ets 计量经济学和时间序列分析 IML CInteractive 矩阵语言 AF 应用设施 QC 质量控制 INS

灵敏度分析和误差分析 灵敏度分析 敏感度分析（Sensitivity analysis）是研究数学模型或系统(数值或其他)输出中的不确定性如何在其输入中被分配到不同的不确定性来源。[1][2]一个相关的实践是不确定度分析，它更注重不确定度的量化和不确定度的传播;理想情况下，不确定度和灵敏度分析应该同时进行。 在其他假设下重新计算结果以确定变量在敏感性分析下的影响的过程可用于一系列目的，[3]包括： 在存在不确定性的情况下测试模型或系统结果的稳健性。 增加对系统或模型中输入和输出变量之间关系的理解。 通过识别导致输出中存在显着不确定性的模型输入来减少不确定性，因此应该成为关注的焦点，以

本人阅读《蚁群优化算法》-马良等过程中的笔记 前五章的目录 引论 组合优化与计算复杂性 来自自然界的几类优化方法 蚁群算法原理 基本思想 研究概况 标准的TSP的蚁群算法 TSP概述 经典方法 遗传算法与模拟退火 蚁群算法 元胞蚁群算法及其收敛性 扩展旅行商问题的蚁群算法 瓶颈TSP及其求解 最小比率TSP及其求解 时间约束TSP及其求解 多目标TSP及其求解 车辆路径问题的蚁群算法 VRP概述 CVRP及其求解 多目标VRP及其求解 VRPTW及其求解 VRPSTW及其求解 FVRP及其求解 看完目录前五章，首先有好多英文缩写看不明白，接着看 第一章 引论 1.