找到創新點有以下途徑：

途徑一 將論文A的X理論應用於論文B的研究中

這種方法可以稱作“移花接木”。例如，我在寫大論文的過程中，要涉及到對P2P網路中的搭便車者數目進行預測，而我在另外的一篇論文中瞭解到用灰色系統理論可以預測人口的多少。我一想，搭便車者不就是人嗎？預測人口數量也就類似於預測搭便車者的數量，那麼我就可以將灰色系統理論應用於我寫的大論文中，這樣一個創新點就產生了，剩下的就是進行大量的實驗模擬來證明我的結論是否正確。

將不同領域中的演算法互用的例子比比皆是。例如，網路中的經典演算法—迪傑斯特拉演算法就是一例。這個演算法本來是數學領域中的，網路研究者們將之應用在路由演算法中。

途徑二 參照A論文的X演算法改進B論文的相關演算法

這不是演算法的應用，而是對現成演算法的改進。例如，我在寫小論文《一種基於雲的加權信任模型》的時候，就使用了這種方法。當時，我讀到了一篇小論文《基於雲模型的信任評估研究》，裡面就有兩個演算法，而其中一個演算法與我讀到另一篇論文《基於雲模型的主觀信任評估》中的演算法很像，只是少了一個權值。我立馬想到如果在此演算法中也加入權值，那結果會怎樣呢？於是，一個創新點就這樣產生了，一篇論文也就寫出來了。

大部分論文的創新點都是對演算法的改進，因此，途徑二用得最多。

途徑三 將A論文的X模型與B論文的Y模型合併為C論文的Z模型

這種方法沒有對演算法進行改進，而是將兩種模型合併為一種新的模型。在我寫大論文的另一個創新點的時候，我已經建立了P2P網路的模型(一個三維的立體結構)，就差用一種演算法來遍歷網路中的各結點。這時，我閱讀了一些演算法的書籍和論文，其中有提到用模擬退火演算法可以遍歷整個網路。於是，我將P2P網路模型與模擬退火演算法模型結合起來，產生了一種遍歷網路的新演算法，並且用模擬實驗證明該模型切實可行。

該方法可以說是一種綜合的方法，在應用之前需要弄清楚兩種模型是否可以結合，並且一定要有實驗的論證。