一类新型的模块化高级Petri网--π-网

π-网是一类新型的模块化的高级Petri网．π-网有机地结合了两类并发模型Petri网和π-演算，π-网既可称为Petri网中的π-演算，又是π-演算的Petri网形式的体现，从而在语义上实现了从π-演算到Petri网的一种自动翻译，较完整地解决了π-演算的分布式语义问题．在π-网中，任一π-网都可由五类基本π-网：Tau网、输入网、自由输出网、受限输出网和匹配网通过π-网的复合规则复合而成，这一结果不仅使得一个π-进程能够在π-网中得到自动的演进，也使π-网自身具有了极大的可操作性和可计算性．     

二阶非线性中立型时滞微分方程的振动性

在ｃ≠－１时，给出中立型时滞微分方程：解的振动与渐近充分条件。     

离散、连续和混合Petri网的一致性描述

本文引入的混合动态系统的Ｐｅｔｒｉ网模型,以建立混合控制系统的整体Ｐｅｔｒｉ网结构,和Ｐｅｔｒｉ网上附加离散、连续和混合动态时描述的一致性与继承性为目标．令牌及其标记概念上的具体化,是统一多种动态描述的基础．权为零有向弧的引入简化了监控结构．依赖混合动态网建立复杂控制系统的整体Ｐｅｔｒｉ网模型,为采用Ｐｅｔｒｉ网理论进行系统的分析、验证和设计提供了基础．     

一种基于关联图的蛋白质结构预测改进算法

采用一种改进的COMAR （Contact Map Reconstruction）算法求解基于关联图的蛋白质结构预测问题.根据蛋白质关联图和先验知识，并以半随机的方式生成距离信息，根据距离信息得到蛋白质的坐标，并通过坐标修正和摄动，使得重构结构的关联图与给定的关联图相一致.结果表明，阈值较大的关联图所重建的结构较好，与原COMAR算法相比，在相同的迭代次数下，改进的COMAR算法的精度较高.     

TCPN的分布式仿真方法

时间限制Ｐｅｔｒｉ网容许对建模系统对象反映其资源和活动的有效期特性，其特殊的仿真模型要求能够描述令牌空闲、被占用、被释放、被移出和已死各种状态。本文对库所和变迁节点进行了模块化分解，拓宽了ＴＣＰＮ的建模能力。在此基础上，给出ＴＣＰＮ的分布式仿真模型     

π-网--一类新型的模块化高级Petri网

π-网是一类新型的模块化的高级Petri网.π-网有机地结合了两类并发模型Petri网和π-演算,π-网既可称为Petri网中的π-演算,又是π-演算的Petri网形式的体现,从而在语义上实现了从π-演算到Petri网的一种自动翻译,较完整地解决了π-演算的分布式语义问题,在π-网中,任一π-网都可由四类基本π-网Tau网、输入网、自由输出网和匹配网通过π-网的复合规则复合而成,这一结果不仅使得一个π-进程能够在π-网中得到自动的演进,也使得π-网自身具有了极大的可操作性和可计算性.     

时滞方程组的正解存在定理

本文在Ｒ￣ｎ中得到一类时滞方程组的正解存在定理。     

非线性时滞微分方程组的正解

在Ｒｎ中，本文探讨非线性时滞方程最终正解的存在条件。     

具有“正负”变系数的时滞微分方程组

本文得到一类时滞微分程组x_i(t)+sum from j=1 to n p_(ij)(t)x_j(t-τ)-q_i(t)x_i(t-τ_0)=0 i=1,2,…,n:所有解振动的充分条件。     

2n阶非线性时滞微分方程解的振动性与渐近性

本文证明了方程y~(2n)-sum from i-1 to mpi(l)f_i(g_i(l))=r(l)在条件: lim/ sum from i-1 to m Li integral from (t) to t (g_i(l)-g_i(s)) gi~(2n-2)(S)/(2n-1)! pi(s)ds>1 下,其有界解是振动的,或y →0 k=0, 1, 2, …, 2n-1