大电网可靠性计算中的负荷削减策略

为了改善现有的电网可靠性评估算法，提出了失效事件流量、失效事件的送端和受端、受端削减域、负荷削减域的度等基本概念，阐明了相关定义，丰富了LCSN(Load Curtail Strategy by Near)的内涵。在此基础上，研究了求负荷削减域的算法，导出了相关公式，为进一步研究LCSN提供了理论基础。应用表明，该算法提高了可靠性的计算效率。     

椭圆-椭圆静动态不适合边界算法

目前，计算二维几何图形是否干涉的不适合多边形(NFP)算法，针对的是多边形，尚未涉及椭圆一椭圆不干涉计算问题．因此，基于NFP法概念，提出椭圆-椭圆之间的不干涉算法，称之为不适合边界算法；进而给出了既相对平动又相对转动的椭圆-椭圆间任一时刻的动态不干涉边界算法．该法可应用于求解Packing问题、机器人路径规划、虚拟装配、医疗内外科手术等领域．     

无线局域网IEEE802.11标准安全机制研究

从无线局域网的组成和应用环境出发,结合Internet系统的体系结构,按照密码学的基本原则对无线局域网IEEE802.11标准的安全机制进行了分析,指出了现有的无线局域网IEEE802.11标准所存在的安全缺陷以及常见的对其进行攻击的方法.     

基于遗传算法的公路纵断面优化设计方法

纵断面优化设计是公路优化设计中一个重要的组成部分，遗传算法是一种高效的全局寻优算法。本文介绍了用遗传算法实现纵断面优化设计的具体方法步骤，并编制出了计算机应用程序。经输入公路原始数据进行实例计算，取得了令人满意的结果，证明了遗传算法在纵断面优化设计中的可行性及全局寻优的性能。     

遗传算法在气体分离装置调优中的应用

提出了一种基于遗传算法和随机复合形法相结合的混合遗传算法，并以某厂气体分馏装置的生产过程的优化问题进行了测试，得出了优化操作条件。     

BP网络应用于黄河水质的预测研究

利用黄河兰州段水质指标浓度时间序列作为学习样本，选取了DO、COD、氨氮、重金属离子等l0项指标作为输出参数，运用人工神经网络BP模型中的Levenberg—Marguardt优化算法对学习样本优化建模，将优化好的网络的预测结果与实测结果进行了比较，表明BP网络可以很好地用于黄河水质指标值及水质类别的预测。     

Ethernet—PON QoS实现方案

以Ethernet为基础的无源光网络(Ethernet—PON)是未来实现带宽、多业务综合接入的重要技术手段，如何提供服务质量(QoS)保证是EPON接入的核心技术之一。首先分别介绍EPON技术和轮询算法、业务分级，然后对基于轮询算法和业务分级的动态带宽分配进行探讨，并对解决Ethernet-PON的QoS问题进行分析研究。     

基于动态数据库的电网接线图自动生成

给出了一种用于地区电网调度中心警报处理及故障定位专家系统中,基于动态数据库的实时显 示信息自动生成系统,讨论了它的基本原理及实现方法,并对它在该系统中的优点进行了分析.     

蚂蚁算法在公交查询最短路径求法中的应用

公交乘客出行路径选择是公交乘客信息系统的关键技术 ,提出以换乘次数最少为首要目标、出行距离最短为第二目标的算法 ,本算法是基于广度优先搜索并结合蚂蚁算法提出公交路线最短路径选择的新算法     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.