基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

一种基于混沌迭代的加密算法

提出一种基于混沌迭代的加密算法，这种加密算法根据混沌迭代确定的位置将明文填入一个较大的密文空间。反之，利用混沌迭供的确定性，可以方便地从密文空间中取出密文单元，重新排列得到明文。     

SIMPLE算法的一个新的改进方案

提出了SIMPLE算法的一个新的改进方案－－MSIMPLE。该采用SIMPLEC中的方法对速度主程进行处理，同时对压力的确定采用SIMPLER中的方法来完成。通过对2个典型的流动传热问题（圆管突扩通道内的流动，正方形空腔内的自然对流）的计算，将该改进方案与SIMPLE，SIMPLEC，SEMPLER算法进行了初步对比，结果表明，改进方案有着更好的收敛特性，并且能节省数值计算的计算时间。     

多视角下数据的配准

提出了采用最靠近点的迭代(Iterative Closest Point,ICP)算法，用于完成多视角下数据的配准，并采用四元数法来求解曲面配准所需的旋转及平移阵。在应用上述方法中， 根据测量数据的特点采用了均匀参数化法，并以此为基础利用线性插值法建立了曲面的初始参数模型。在最靠近点的迭代算法中，提出了一种新的判断不同视角下对应点集间有效对应点的方法，该方法简便、快速，具有实用价值。     

基于遗传算法的人工神经网络学习算法

为了克服和改进BP算法的不足，提出了一种基于遗传算法的神经网络学习算法，仿真结果表明，该算法具有无比的优越性，可避免BP算法易于陷入局部极小值，训练速度慢、误差函数必须可导、受网络结构的限制等缺陷。     

基于遗传算法的柔性调度系统模型及其应用

以一个车间作业调度问题为例，探讨了一种借助遗传算法优化调度系统的模型。模型中考虑了基于工序的调度编码和遗传操作改进，以及在适应度函数中如何加入柔性处理等问题。实例模型计算结果表明了该模型的优越性。     

BP算法应用于智能传感器的数据处理

利用BP算法具有的非线性映射能力对传感器标定数据进行输入－输出特性的反非线性逼近，将其作为智能传感器系统的非线性校正软件，使传感器在该软件的支持下提高测量精度。用传感器实验数据通过训练的网络，测量相对误差由原来的6．66％下降至0．98％。     

一种构建灰色预测模型的新算法

针对传统的GM（1，1）建模方法，对于历史数据采取等权处理的局限性，提出了GM（1，1）建模的新算法，不同的历史数据在预测值中具有不同的权重，并且解决了确定权值的学习算法。仿真结果表明了该算法的有效性。     

基于GMDH的VAR滞后选择方法及实证分析

在VAR的动态模型中，滞后数的选择是成功的关键。对于复杂系统建模，根据GMDH理论的有关数据，用计算机合理地调协变量与滞后变量之间的关系，确定模型的最优动态结构和最优滞后数，以提高预测的准确性。给出了VAR的传统方法与GMDH建模方法，应用经济变量进行实证分析，阐明了GMDH算法的优势在于比传统的方法更完善，预测效果更准确。     

基于字典学习改进的时空上下文算法

针对强遮挡导致的跟踪目标失效问题, 提出一种基于字典学习改进的时空上下文算法. 先在目标和上下文区域构建前景字典和上下文字典, 再利用稀疏解的特性, 给提取目标特征更高的权重, 并参与模板的更新, 构造新的条件概率. 实验结果表明, 在出现严重遮挡的数据集中, 时空上下文算法跟踪成功率为19.5%, 改进算法成功率达94.5%, 改进算法能在出现强遮挡情况下有效对抗遮挡问题, 稳定跟踪.