基于遗传算法的光学定晕优化

提出了一种基于改进的遗传算法的晕光（瞳刻划椭圆模型优化方法，并与传统的Gauss-Newton方法进行比较，表明用改进的遗传算法所得结果精度更高，而且克服了传统方法倚赖于接近最优点初值的不足。     

多计算机并行系统的互连与通信结构

多计算机系统的关键设计之一是互连网络。本文分析和介绍了用于多计算机并行系统的各种典型的互连结构,从拓扑角度分析了各种互连结构的通信性能和路径控制算法。重点讨论了链路型和总线型互连网络,并分析了通信的局部性对性能的影响。     

光场下类氢原子的多光子共振电离

光场下的类氢原子Ｓｃｈｒｏｄｉｎｇｅｒ方程，可作Ｆｌｏｑｕｅｔ展开，然后迭代近似求解，光场电离问题是径向微分方程组加上边界条件构成的复本征值问题，以线极化光场为例，得到了多光子共振电离公式，并与实验进行了比较。     

基于阶递归的几种新的最小二乘快速算法

阶递归最小二乘(LS)算法适用于观察样本个数固定且模型阶数未知时 FIR 或 AR 参数的最佳估计和识别问题中。作者从广泛适用的非对称投影算子的递归公式出发,导出了非对称的、对称的及平方根归一化的三种阶递归 LS 快速算法,其中第一种和第三种是现存文献所不具备的,第二种算法是同类型中计算量最小的算法之一。文中还给出了几种简化的算法形式,在较大程度上减小了计算量。     

Planning to Plan-Integrating Control Flow

In many planning situations, computation itself becomes a resource to be planned and scheduled.We model such computational resources as conventional resources which are used by control-flow actions,e.g., to direct the planning process. Control-flow actions and conventional actions are planned/scheduled in an integrated way and can interact with each other. Control-flow actions are then executed by the planning engine itself. The approach is illustrated by examples, e. g., for hierarchical planning, in which tasks that are temporally still far away impose only rough constraints on the current schedule, and control-flow tasks ensure that these tasks are refined as they approach the current time. Using the same mechanism, anytime algorithms can change appropriate search methods or parameters over time, and problems like scheduling critical time-outs for garbage collection can be made part of the planning itself.     

基于混合遗传算法的目标优化分配

根据防空作战目标分配的特点 ,在分析启发式方法和遗传算法基础上 ,将二者结合起来得到了求解目标优化分配问题的混合遗传算法 ,该算法具有全局收敛性.     

车间作业调度(JSSP)技术问题简明综述

介绍了车间作业调度技术问题的理论、算法分类、特点及一般框架 .将 JSSP问题的研究方法分为两类 :最优化方法和近似 /启发式方法 ,对各种算法逐一分析比较 .总结了近年来该研究领域取得的进展和存在的问题 ,并指明了将来的发展方向.     

一阶非线性混合型积分-微分方程周期边值问题的极值解

通过建立新的比较定理，利用上下解单调迭代方法，在下解α(t)与上解β(t)满足条件：α(t)≤β(t)，但α(0)＜≠α(2π)，β(0)＞≠β(2π)的条件下获得了一阶非线性混合型积分-微分方程周期边值问题的极值解的存在性定理。     

遗传算法在冗余系统最优分配问题上的应用

以前在串-并联冗余系统可靠性的最优分配问题上，总是把部件的可靠度看成是一个确定的值，此方法有其局限性。近几年提出了一种新的算法——遗传算法。笔者正是在遗传算法的基础上，把过去的方法作了相应的改进，把部件的可靠性和平均失效时间看成是随机变量，并在几个约束条件下，得出了最佳的分配方案。