复杂系统的遗传-模糊建模方法

针对复杂系统的模糊建模问题，提出了一种遗传．模糊建模新方法。首先，利用竞争学习算法对输入空间进行自适应聚类，基于聚类结果提取模糊模型的规则前件隶属函数参数，采用局部最小二乘法求得规则后件参数，从而初步建立起系统的T-S模糊模型。然后，对规则前、后件参数进行编码，借助于实值编码遗传算法优化模糊系统。最后，数字仿真结果验证了算法的可行性和有效性。     

基于Elmore模型的Steiner树问题的求解

建立了一种求解基于Elmore延迟模型的Steiner树问题的遗传算法。针对Steiner树问题的特点,在引入一种新的具有自适应性的杂交概率和变异概率的基础上,提出了面向Steinet树问题的遺传算法和一种构造染色体的新方法。提供了遗传算法的结构并讨论了遗传算子。分析了基于时间和空间的算法复杂性。     

含有纯滞后对象的控制方法

评述纯滞后对象控制的两种典型方法─—大林算法和纯滞后补偿法的原理、优缺点、设计要求及存在问题，并讨论了两者的联系。     

周期信号的孔径抖动及其去除

孔径抖动是指模数转换器采样周期之间出现的相位抖动 ,是由各时钟周期边沿出现时刻的不确定性导致的。当输入信号频率较高时孔径抖动是模数转换器信噪比下降的一个重要原因。对数据采集系统中的孔径抖动进行了仿真实验 ,介绍了反卷积算法 ,并利用反卷积算法对周期信号的孔径抖动进行了去除。仿真结果表明该方法是有效可行的     

钢液定氧测头响应时间和热平衡态

本文分别研究了ＺｒＯ２（ＭｇＯ）固体电解质管头壁厚，参比电极量对定氧测头响应时间的影响，得出了以ＺｒＯ２管头壁厚为０．６０－０．８０ｍｍ，Ｃｒ／Ｃｒ２Ｏ３参比电极加入量为４０－６０ｍｇ所组成的定氧测头响应速度最快，同时采用了“双偶法”对定氧测头在工作过程中的热平衡态进行了研究。结果表明：氧浓差电池中的传热是响应过程的控速步骤，氧电势曲线上峰值的产生是起源于电池中的热平衡态。     

Radar Imaging Based on Iterative Algorithms

It has long been realized that the problem of radar imaging is a special case of image reconstruction in which the data are incomplete and noisy. In other fields, iterative reconstruction algorithms have been used successfully to improve the image quality. This paper studies the application of iterative algorithms in radar imaging. A discrete model is first derived, and the iterative algorithms are then adapted to radar imaging. Although such algorithms are usually time consuming, this paper shows that, if the algorithms are appropriately simplified, it is possible to realize them even in real time. The efficiency of iterative algorithms is shown through computer simulations.     

反应条件及添加惰性物质对三聚甲醛合成反应的影响

研究了三聚甲醛合成过程进料浓度、催化剂用量等对副产物（特别是甲酸）生成行为的影响。结果表明，该体系副产物的生成强烈地依赖于反应时间和催化剂硫酸的用量，而与原料浓度的波动无关。在反应－精馏过程的反应器中添加惰性高沸有机物，可有效地缩短反应物的停留时间，提高三聚甲酸的选择性，大大降低快速反应－精馏过程对反应器的设计要求。     

海量信息系统与复杂性研究

对海量信息系统在未来信息技术领域中的地位和作用做了简明的阐述。海量信息系统是目前国际互联网基础上将要更快更广泛发展起来的信息技术。对海量信息系统的研究具有一定的前瞻性，是一项很有前途的技术。对海量信息研究中可能存在的复杂性问题做了简要的探索。     

Petri网络在无控制交叉口延误分析中的应用

选用比较适合描述系统组织结构和动态行为的Petri网络模型对主路优先通行的无信号交叉口运行过程建立HSPN模型．在此基础上，结合间隙接受理论，对无控制交叉口进行平均延误分析探索，为交叉口仿真控制软件的研发奠定了算法基础。     

Subset threshold autoregression

We develop in this paper an efficient way to select the best subset threshold autoregressive model. The proposed method uses a stochastic search idea. Differing from most conventional approaches, our method does not require us to fix the delay or the threshold parameters in advance. By adopting the Markov chain Monte Carlo techniques, we can identify the best subset model from a very large of number of possible models, and at the same time estimate the unknown parameters. A simulation experiment shows that the method is very effective. In its application to the US unemployment rate, the stochastic search method successfully selects lag one as the time delay and five best models from more than 4000 choices. Copyright © 2003 John Wiley & Sons, Ltd.