求解一类二次规划的有限性收敛算法

在已有文献的基础上．借助于ＡＢＳ订法．构造了求解一类二次规划（等式约束和变量非负）的算法．并讨论了算法的有限性收敛性质．     

多元整系数多项式因式分解（Ⅰ）——多项式复杂度算法

将ｔ（ｔ是不小于２的整数）元整系数多项式看成系数为ｔ－２元整系数多项式的二元多项式．利用已有的多项式时间复杂度的分解一元整系数多项式的算法，得到了一个分解多元整系数多项式时间复杂度的算法．     

分数维Fourier 变换及其快速算法

首先将所有已知的分数维Fourier变换（DFRT） 统一定义在Lagrange 多项式插值的框架下,从而使 人们能够利用简单的计算方法理论分析出各类DFRT逼近到连续分数维Fourier变换（FRT）的精度，同时，证明了最近由S．C．Pei,et al.提出的一类DFRT与H．M．Ozakatas得出的DFRT完全等价。进一步地，建立了计算FRT高效的快速算法，与已有算法比较，新算法具有较少的算术运算量以及分数维阶更广等优点。     

FMP问题的构造性方法

研究了全蕴涵三I算法及几种常用蕴涵的三I MP解的还原性．利用新构造的函数Ψx（t）=（A（x）→B（y））→（A^＊（x）→t），将三I MP规则给予定量描述，得到了FMP（Fuzzy Modus Ponens）问题的构造性方法．给出Zadeh型三I MP解，修正了已有结果．将这一构造性方法推广，得到α-三I MP问题的构造性方法，并给出R0型、Lukasiewicz型和Zadeh型三I MP解具有还原性的充要条件．     

自组网络的分簇算法

当自组网络（ad hoc）的规模增大时，控制分组在网络中的传输急剧增多，这大大降低了路由和转发的性能．分簇是提高ad hoc网络可扩展性的重要手段．针对已有分簇算法的缺陷以及静态和动态ad hoc网络的特性，分别提出了新的静态分簇算法SACA和动态分簇算法DACA．其中SACA算法将分簇数量减小到已有算法的大约一半，但不增加簇成员数量，提高了分簇效率，减少了分簇时间；DACA算法将簇间的公共节点数目大大降低，从而有效降低了分簇结构的维护开销，提高了网络运行的效率、路由和转发性能．     

广义逆矩阵的两个迭代算法

本文给出了计算Ｍｏｏｒｅ－Ｐｅｎｒｏｓｅ广义逆的两种线性迭代法（算法３，４），并讨论了它 们与已有算法（算法１）间的关系。在此基础上，给出了高阶迭代法（算法２）的一个 较好的初始阵。最后，讨论了所得算法（算法４）在最小二乘问题中的应用。     

一种模糊神经网络的改进学习算法

针对前人（Ｃ．Ｔ．Ｌｉｎ， ｅｔ ａｌ． Ｉｎ ＩＥＥＥ Ｔｒａｎｓ ＯｎＣｏｍ ｐｕｔｅｒ， １９９１， Ｖｏｌ．４０， Ｎｏ．１２） 提出的模糊神经网络结构，改进了已有的学习算法，新算法更加简洁有效。利用新算法，可以自动获取模糊规则。通过函数模拟实验，验证了新算法的有效性。提出了网络的分解与综合方法，避免了模糊神经网络用于实际复杂问题时，模糊规则的组合爆炸问题。该模糊神经网络可应用于换热器受热面的结垢过程模拟。     

凸规划的一个内点算法

对于含线性约束的凸规划问题，本文给出了一个内点算法，并且证明了算法经过Ｏ（ｎ￣（０．５）｜ｌｎε｜）步迭代后，原始一对偶间隙必小于ε，整个算法的复杂度为Ｏ（ｎ￣（３．５）｜ｌｎε｜）．特别的，如果目标函数为凸二次函数或者线性函数，则得到相应的多项式算法，其算法复杂度为Ｏ（ｎ￣（３．５）Ｌ），其中Ｌ为相应问题的输入长度．ε取做２￣（－Ｌ）．     

基于粗集理论的雷达辐射源信号识别

将粗集理论（RST）引入到雷达辐射源信号（RES）识别中，提出一种区间连续属性离散化新方法及相应的特征选择算法，将RST与神经网络（NN）结合，设计粗集神经网络（RNN）分类器．实验结果表明，该方法解决了已有方法难以处理的区间连续属性离散化问题，获得的正确识别率比其他3种方法分别高出7．29％、4．34％和4．00％．RNN的平均训练代数比NN少97．54，RNN的平均识别率比NN高2．84％，这表明RNN具有比NN更好的分类能力和泛化能力，从而证实了该方法的有效性和可行性．     

基于遗传模拟退火算法的漏磁缺陷重构

通过将模拟退火技术加到遗传算法（GA）的变异运算中，提出一种遗传模拟退火算法（genetic-simulated—annealing—algorithm，GSAA），并且提出一种基于GSAA的逆算法，用于从漏磁信号中重构二维缺陷．该算法中，径向基函数神经网络（RBFNN）用作前向模型，GSAA用于求解逆问题中的优化问题．实验结果表明，同基于GA的逆算法相比，基于GSAA的逆算法更精确，并且对噪声更具鲁棒性．