一种电力网络潮流计算的综合算法

针对牛顿-拉夫逊法对初值要求严格,迭代速度快的特点,利用电力网的结构特点,使用高斯-塞得尔迭代法的第一次迭代结果作为牛顿-拉夫逊法的计算初值。这样既解决了牛顿-拉夫逊法对初值要求高的问题,又提高了收敛速度。计算结果表明,综合算法在迭代次数和收敛速度上有优势。     

面向虚拟样机的一种机构运动仿真算法

文中就虚拟样机四连杆机构的运动分析提出一种新的运动仿真算法，在基于场景图的虚拟样机产品模型中实现产品四连杆机构的运动仿真．其算法特点是：利用空间矢量运算原理和四连杆机构特性直接求出四连杆机构从动件的变换矩阵，再通过四连杆机构特征点构造的三角形面积变化求出从动件变换矩阵的偏离角，用偏离角补偿法校正从动件变换矩阵，实现四连杆机构的运动仿真．其算法简单，运算效率高，实现容易．     

IMPLICITIZATION OF PARTIAL DIFFERENTIAL RATIONAL PARAMETRIC EQUATIONS

In this paper, we propose algorithms for the following problems in the implicitization of a set of partial differential rational parametric equations P. （1）To find a characteristic set for the implicit prime ideal of P; （2） To find a canonical representation for the image of P; （3）To decide whether the parameters of P are independent, and if not, to re-parameterize P so that the new parametric equations have independent parameters; （4） To compute the inversion maps of P, and as a consequence, to decide whether P is proper.     

不可微多目标数学规划的高阶对偶性

引入了一类不可微多目标数学规划的高阶对偶模型。在广义凸性条件下,建立了弱对偶性定理。其结果推广和统一了近期文献上出现的结果。     

基于扫描数据零件轮廓特征自动识别的方法

主要研究基于扫描数据自动识别零件轮廓特征的方法与技术．首先给出了零件轮廓特征自动识别的工作流程，然后提出了零件轮廓特征自动识别的原理与算法，最后通过具体实例验证了本方法的优点及可行性。     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

编队协同对地攻防对抗多级动态决策方法研究

针对编队协同对地攻击的攻防对抗系统的强对抗性、多目标性和多层次性,运用军事对抗的动态状态空间模型,建立了主从递阶互动决策模型——Nash-Stackelberg-Nash决策模型,重点解决军事对抗中寻求多级动态决策的联合最优策略问题。仿真结果表明,该决策模型应用于编队协同对地攻防对抗决策系统,良好的解决了两级对抗动态决策问题,并达到了较好的作战效果,能够为作战对抗提供有力的战场分析依据。     

地方高校多校区合理利用研究

扩展型多校区是我国高等院校办学规模扩大过程中,通过自身筹建新校区而形成的新的办学 格局。各高校尤其是地方的高等院校在实践中又有诸多问题存在。针对这种扩展型地方高校如何合理利 用资源入手,分析现实中存在的各种问题,提出解决问题的方法对于我国高等教育的发展具有较为深远 的意义。     

城市物流中多目标配送模型

提出了VRP问题的多目标数学模型，基于此数学模型，概括了一种新的遗传算法来解决带有时间窗的车辆优化配送问题提出的部分自适应遗传算法采用PFIH来产生初始解，克服了遗传算法参数设置主观的弊病，运用了自我进化的思想来改进遗传算法中涉及的参数设定最终，通过试验得出了比较满意的结果，证明了该算法的可用性。     

自主机器人人工进化方法研究

在介绍人工进化研究状况的基础上 ,着重阐述了进化机器人学的关键问题 :基本概念、进化技术、进化计算和实验研究方法等 ,探索了进化机器人学未来的研究趋势及所面临的挑战 .