粗集中属性约简的一种启发式遗传算法

为了获得决策系统中属性最小相对约简，将信息论角度定义的属性重要性度量作为启发式信息引入遗传算法，提出了一种启发式遗传算法。通过构造一个新的算子来引入启发式信息，使得选择的属性子集的分类能力不变。该算子体现了一种利用启发式信息的局部搜索技术，使得算法既保持整体优化特性，又具有较快的收敛速度。从理论上对算法作了分析，对新算子所能选择属性子集的分类能力不变作了证明。最后的实例表明，该算法能有效地对决策系统进行最大程度的约简。  

基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值，并且将遗传算法与ＢＰ算法结合，能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛，实验结果令人满意。  

遗传算法在方程求根中的应用

提出了一种新的求根方法，即将遗传算法应用于方程求根的领域之中，并在大量数值实验的基础上，将遗传算法与 常用的传统求根方法进行了比较，实验的结果表明，遗传算法具有一定的优越性。  

软件可靠性多模型综合评估

软件可靠性工程领域一直存在模型很难应用于实际的问题，不同的软件可靠性模型对同一个软件工程项目的估计差别极大，为此，探讨了软件可靠性估计的稳健方法，研究了多模型的贝叶斯自动混合与选择的理论，其重点是要探讨贝叶斯先验表达及多模型的混合机制，以解决上述难题。  

基于构架的软件重用技术综述

论述了构架的定义和特征，详细讨论了构架重用技术同部件重用、软件自动生成、特定域的软件建筑(DSSA)以及设计样本等软件重用技术之间的关系，最后列举了构架重用的几个缺点和今后的研究课题。  

基于Agent的分布计算环境模型研究

针对未来的计算环境的分布，开放，不断地化的演变和发展。本首先对Ａｇｅｎｔ的基本特性，体系结构及行为模式进行了介绍，在此基础上提出一个基于Ａｇｎｅｔ的分布计算环境模型。  

演化计算研究进展

系统地介绍了演化计算的历史与研究现状，并分别演算化计算的基础理论，设计准则与应用水平，演化计算了内涵等提供了相应的观点。  

信息系统中的可移动Agent

介绍了可移动Ａｇｅｔ的特性，可移动Ａｇｅｎｔ可在异质计算机网络中移动，它能感知网络的状态，监控系统并与其它Ａｇｅｎｔ进行交互，导航模型可以让Ａｇｅｎｔ适应网络的变化并自主制定导航计划，从而方便，有效，智能地完成信息检索的任务。  

Linux操作系统环境中的进程迁移算法研究

研究了在Ｌｉｎｕｘ操作系统环境中实现进程迁移的算法，其进程迁移工作分为两方：一方取出被迁出进程的数据传送出去；另一方则接收数据并恢复数据，使其成为一个可运行进程，读取和恢复数据都涉及到进程的ｔａｓｋ控制结构，进程核心栈，代码段，数据段及用户栈的内容，这些内容都以页为单位放在内存，用虚拟内存管理方式进行管理。  

一种采用整数编码的全局优化算法

基于演化计算的群休搜索技术，采用整数编码构造遗传算子和自适应函数，对n皇后问题进行求解，实验结果表明，本算法具有快速、有效的特点。