粗糙集的RBF表示与非监督模式分类

提出了一种粗糙集的ＲＢＦ网络表示形式，在集值测度意义下，将粗糙集的语义表达进行了有效的描述，并构造了其自适应自组织的遗传学习机制．其创新性主要表现在：（１）通过ＲＢＦ网络有效地构造了粗糙集在模式分类中的自适应表示形式；（２）在遗传算法中引入了元进化自调整机制；（３）以粗糙集意义下的非线性映射方式提高了模式分类的计算效率．图３，表１，参４．     

管理信息系统的发展趋势与最新动态

目前,管理信息系统的发展趋势,正在朝着两大方向迈进:集成方向和智能方向.集成方向的一个突出代表就是计算机集成制造系统(CIMS).智能方向的一个突出代表就是决策支持系统与专家系统的结合--IDSS.下面分别说明这两大趋势.     

GA—DFP分级优化技术的研究

本文提出了一种把遗传算法（ＧＡ）和变度量法（ＤＦＰ）相结合的分级优化方法，即先以遗传算法进行优化将其计算结果作为第二级变度量法的初始值，再进行优化算。结果表明。该方法是一种提高优化质量的有效方法，既具备良好的全局收敛特性，又有较快的收敛速度和较高的优化精度。本文还通过举例说明了该方法的应用。     

基于遗传算法的干扰试井解释方法

提出了一种基于遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）的简便、高速、应用范围广的干扰试井解释新方法，并用中原油田、大庆油田的现场测试数据进行了验证．和传统方法比较，它不需要目标函数连续，不需预估初值，运算速度快、精度高．这种方法还可以推广到裂缝井、水平井等复杂情况下油藏参数辨识中．     

对适应值进行模糊推理的模糊遗传算法

本文介绍了模糊遗传算法的一个新方向——对适应值进行模糊推理的模糊遗传算法。区别于其他的模糊遗传算法,它针对多目标优化问题,使用模糊语言来描述适应值的大小,经仿真试验,取得较满意结果。     

树枝型专用线取送车算法的研究

本文对树枝型专用线不同类型的取送车形式建立了数学模型并提出了简捷的启发式算法．     

一种快速综合性的遗传算法

对几种改进的遗传算法进行了比较、分析、综合了这几种改进的遗传算法的优缺点后，提出了一种快速综合性的遗传算法，该算法具有收敛速度快，迭代次数少且不易陷入不成熟收敛等特点。仿真结果证实了该算法的有效性。     

启发式数学在测量学教学中的应用

根据启发式教学的含义，结合测量学教学的特点，就如何激发学生的学习兴趣，提高学习的主动性做了一些探讨，提出完善了一些教学方法，经教学实践的检验，取得较好的效果。     

数学课堂教学改革实践中的几点体会

当前高校数学教育正面临着重大改革，教师课堂教学方法的更新无疑是一个重要方面，传统的以单纯传授知识为中心，填鸭式的课堂教学方法必须改革，而代之以启发式的，以培养能力为中心的教学方法。在这一点上，已经达成了共识，但在课堂教学的实践中如何去实现，仍有大量问题需要探讨，尤其是在高等函授教学中，由于课堂教学时间少，问题相对更为突出，我们根据自己的教学实践谈点粗浅的体会。1引导学生自己探索规律例如在微分中值定理的教学中，辅助函数的引人是个难点，怎样引导学生象拉格朗日当年发现该定理那样找出辅助函数，我们介绍几…