基于事务形式验证(TBFV)及8051的TBFV模型

提出了一种基于事务的形式验证方法(TBFV)，为待验证的系统构造功能验证模型，每个模型包括指令序列、输入变量、输出变量、输出函数、输出判定函数．这些可用Kripke结构来描述．这些功能验证模型实现了特定的事务，从而可以将一般的验证要求映射为具体的实现属性．这样，验证者无需了解设计的细节，可在较高层次上对系统行为进行验证．为了证明该方法的效率，分别用该方法和传统的形式验证方法验证了8051的RTL实现．8051中所有的指令都进行了验证，并给出了相应的功能验证模型．实验结果表明，采用该方法可大大节省验证工程师的时间．功能验证模型和验证指令可以在其他设计中复用．     

一种基于遗传算法的分类方法

数据挖据的目的是从数据库中获取知识。本文针对挖据目的,提出了一种基于遗传算法的分类方法,并应用于实例,得到了很好的结果。     

具有局部搜索能力的自适应变异遗传算法

针对函数优化问题，提出一种自适应变异遗传算法来提高局部搜索的能力，弥补简单遗传算法易于早熟收敛的缺陷。最后以De Jong函数为仿真对象，将此算法与其它三种遗传算法进行比较，仿真结果表明此算法对于函数优化问题非常有效，大大加快了算法的收敛速度，并大幅度提高了搜寻到最优解的概率。     

基于角色控制的分布式PDM系统

提出了一种适合于工程设计中基于协同工作的多用户的分布式PDM系统的软件结构。介绍了一个相关的软件模型，这个软件模型说明了如何通过添加CSCW和RBAC机制来扩展现存的PDM系统，在讨论了PDM、CSCW和RBAC的基础上，给出了相应软件的框架结构模型的思想。     

基于狭缝图像的三维虚拟漫游

基于狭缝图像的四维光场模型,设计并实现了一个完整的三维虚拟场景漫游平台系统。使用四叉树结构对场景进行组织,实现了对三维场景的自适应非均匀采样,提高了采样的效率;采用临近点插补方法,解决了重采样中出现的图像空洞;通过对漫游时的内存管理、路径预测和碰撞检测处理,提高了漫游的稳定性与连贯性;对漫游速度做了测量,对绘制图像的质量做了比较。     

改良遗传算法在图像多阈值分割中的应用

最大熵原则是图像阈值分割的一个重要方法、但是用此方法进行多阈值分割时，存在着计算开销巨大的问题．笔者在M．Srinivas的自适应遗传算法基础上提出一种改良的遗传算法，用于基于模糊最大熵图像多阈值分割，克服了此分割方法计算量大的问题．通过实验，比较了改良遗传算法和M．Srinivas自适应遗传算法及模拟退火算法，显示了改良遗传算法的有效性．     

新型模糊神经网络控制器在GTAW焊中的应用

钨极气体保护电弧焊(GTAW)过程是一个复杂的、多参数耦合的高度的非线性系统，难以实现实时、有效的在线控制．模糊控制吸收人的经验思维的特点；神经网络则对信息的处理具有自组织、自学习的特点；遗传算法是一种全局优化搜索方法，具有简单通用、适合并行处理的特点．笔者将三者有机地结合起来，在模糊神经网络控制器的基础上利用改进的遗传算法，并分析其网络结构和离线学习的方法，协调利用三者的优势设计一种新型的模糊控制器，并使之用于脉冲GTAW焊仿真中，结果证明该新型模糊神经网络控制器比传统的模糊控制器具有一定的优越性．     

利用基因重组策略改进遗传算法

为了克服标准遗传算法的早熟现象，提高遗传算法的全局收敛性，提出了一种基于基因重组策略的遗传算法。该算法定义了一种新的交叉算子，即移位逻辑交叉算子(包括蝶形移位交叉算子和洗牌移位交叉算子)，用它们对染色体的部分基因实现有规律的交叉重组。实验结果表明，该算法比经典的遗传算法具有更好的收敛性和稳定性。     

改进适应值函数的遗传算法

比较、分析了几种基于适应值的选择策略求解极小值问题时的标准适应值函数,提出了一种随着进化代数的增加逐步增大适应值相互影响的标准适应值函数,并对它们的收敛速度和收敛精度进行了性能分析.以几个典型的函数优化问题为例进行仿真计算,取得了比较满意的结果.     

生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .实例仿真结果验证了新算法在模糊系统辨识中的有效性