A QUANTIFIER-ELIMINATION BASED HEURISTIC FOR AUTOMATICALLY GENERATING INDUCTIVE ASSERTIONS FOR PROGRAMS

A method using quantifier-elimination is proposed for automatically generating programinvariants/inductive assertions.Given a program,inductive assertions,hypothesized as parameterizedformulas in a theory,are associated with program locations.Parameters in inductive assertions arediscovered by generating constraints on parameters by ensuring that an inductive assertion is indeedpreserved by all execution paths leading to the associated location of the program.The method can beused to discover loop invariants-properties of variables that remain invariant at the entry of a loop.Theparameterized formula can be successively refined by considering execution paths one by one;heuristicscan be developed for determining the order in which the paths are considered.Initialization of programvariables as well as the precondition and postcondition,if available,can also be used to further refinethe hypothesized invariant.The method does not depend on the availability of the precondition andpostcondition of a program.Constraints on parameters generated in this way are solved for possiblevalues of parameters.If no solution is possible,this means that an invariant of the hypothesizedform is not likely to exist for the loop under the assumptions/approximations made to generate theassociated verification condition.Otherwise,if the parametric constraints are solvable,then undercertain conditions on methods for generating these constraints,the strongest possible invariant of thehypothesized form can be generated from most general solutions of the parametric constraints.Theapproach is illustrated using the logical languages of conjunction of polynomial equations as well asPresburger arithmetic for expressing assertions.     

动态混合型SMC+Turbo MIMO解调算法

递归蒙特卡洛（Sequential Monte Carlo，SMC）算法是一种有效降低算法复杂度的次优化算法，该算法嵌入到迭代Turbo接收机中可形成低复杂度、高解调性能的SMC＋Turbo MIMO解调接收机．该文针对该解调接收机中的混合型SMC MIMO解调算法，运用动态化参数进行改进．仿真结果表明，动态混合型SMC＋Turbo MIMO解调算法可以在不增加算法复杂度的基础上有效地提高一般混合型方案的性能．     

含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

新的三类Abel型微分方程的求积定理

借助变量替换法、交换变量位置法、高次二项式定理等方法，在一定条件下，给出新的三类Abel型微分方程，论证它们的可积性，并提供其通积分的表达式，扩充了微分方程的可积类型．     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

关于量子力学中效应代数上的收敛理论及不变量

本文介绍了量子力学中效应代数的研究进展。指出利用无穷矩阵理论研究其上的收敛理论和不变量，对建立量子力学的数学基础有重要意义。     

相律的应用--确定平衡体系状态的独立变量(Ⅱ)

在确定平衡体系状态的独立自变量基础上，讨论了在不同情况下，如何选择独立自变量，以及在选择独主自变量时，强度变量与容量变量的关系。     

用MathCAD辅助解析几何教学

MathCAD是功能强大的专业的数学软件 ,具有数值计算、符号演算、数据可视化和程序编制等功能 .将MathCAD较强的图形动画功能应用于解析几何教学 ,使教学直观生动形象 .同时给出了实例的程序编写和动画实现过程 ,在解析几何教学中有一定的应用价值     

慢回弹聚氨酯发泡体吸声性能研究

对不同泡孔大小、不同厚度慢回弹聚氨酯材料在不同频段下的吸声性能进行实验研究.研究表明,1 300 μm是材料泡孔大小对吸声性能影响的转折点.对于低频声波,泡孔直径为1 300 μm时,吸声性能最好;对中高频声波,吸声效果最差.材料厚度对吸声性能的影响,6 cm为最优值,此时材料的吸声效果最好;材料对不同频段声波的吸收效果也各不相同,频率为1 000 Hz声波的吸收效果最差,此频率是材料吸声性能的低谷.以上研究结果为工程使用提供了有价值的实验依据.     

定宽机主曲柄初始位置对模块有效行程的影响

系统地模拟了SP定宽机同步机构和侧压机构的运动规律，采用Powell优化理论，以模块最大有效行程为目标函数，以主曲柄初始角度和偏心距为变量进行优化分析，得到一组最优解。该结论为现场控制定宽机主曲柄的初始位置提供了理论依据。