多亲杂交算子及其在连续优化中的应用

提出了一种新的杂交算子，即基于邻域的多亲杂交算子，这种算子不仅呈现出多亲杂交的形式，而且内在隐含变异算子的特征。另一方面，为了加快收敛速度，引入了一种自适应的机制根据演化的进度调整邻域范围。实验表明，使用该算子的实数编码遗传算法在优化高维连续函数时是可行而有效的，尤其在BUMP问题的求解上有较大突破。     

一种不需噪声能量信息的准最佳正则图像复原

提出一种基于正则化方法的高效图像复原技术。围绕最小化正则解模糊误差，设计该技术。利用泰勒级数定性地分析怎样的正则化算于使正则解模糊误差能量较小，得出结论：通常情况下应选取低阻高通的正则化算子；利用随机理论解决正则解模糊误差能量期望值最小化问题，确定正则化参数；利用小波变换估计噪声能量，在没有噪声能量信息的情况下，新方法能进行高效的图像恢复。实验结果表明本文的恢复技术比传统方法的恢复性能好，恢复效果接近最佳且性能稳定，且不需要噪声能量信息。     

电子文档时间戳的分布式时间链安全协议

时间安全在电子合同中是一个十分重要的问题。时间戳解决两个问题：文档是何时生成的；文档是何时发出的。由信任的第三方(T.T.P Trust Third Party)来完成工作，他必须连续记录这些时间形成时间链以保证安全。使用并相信惟一的第三方，仍存在安全隐患介绍了现有的两种协议，提出以多个第三方采用分布式模型形成时间链的协议，提高了时间戳的安全度。     

远程工作流的安全机制

文档和人员是OA系统工作流的两个基本要素。当人员不在同一区域时，其工作流被称作远程工作流，其安全机制不同于局域工作流。以远程工作流为模型，着重讨论其安全认证机制，将远程工作流分解成虚拟工作流和人员认证流两部分。虚拟工作流采用与局域网相同的安全策略，维持工作正常运行，在一定延迟时间后启动人员认证流，在得到认证流的结果并认为正确后，才将虚拟工作流的结果变成最终结果。     

构建“基因库”求解TSP问题的混合遗传算法

该文设计了求解平面TSP的一种新算法,该算法首先构建一个“基因库”,在单亲演化中使用“基因库”中的基因,并将单亲演化所产生的最好解,作为群体演化中的一个个体,再进行群体演化。在求解TSPChina144问题实验中,不仅找到迄今最好的解,而且该算法具有高效的特点。     

一种解函数优化问题的精英子空间演化算法

文献[1]提出了一种有效的求解优化问题的演化算法，算法简单易行，并能在较短时间内找到问题的最优解，在该算法的基础上，文中提出了一种精英子空间演化算法，在算法的杂交过程中，通过采用精英保存策略，增加父体的选择压力来加速算法的收敛，数值试验表明新算法比文献[1]中的算法具有更好的收敛性，能更快地找到优化问题的最优解。     

一种基于构建基因库求解TSP问题的遗传算法

传统的遗传算法通常被认为是自适应的随机搜索算法．该文在分析其特点后针对TSP问题提出了一种将建立基因库(Ge)与遗传算法结合起来的新算法(Ge-GA)．该算法利用基因库指导种群的进化方向，并在此基础上使用全局搜索算子和局部搜索算子增强遗传算法的“探测”和“开发”能力．Ge-GA算法大大加快了遗传算法的收敛速度和寻优能力．作者测试了TSPLIB中的多个实例(城市数目从70～1577)，试验结果与最优解的误差都不超过0．001％．特别是对于难求解的TSP问题，如att532和fl1577，都能够在理想的时间内找到最优解．     

演化算法的一个通用设计模型

本文提出了一个演化算法的通用设计模型，并用UML详细说明了它的组成与结构．该模型以演化算法中的关键概念及其相互作用机制为核心，把这些概念合理分类并加以抽象，有效地实现了关注分离和封装实现细节．而应用设计模式来组织这些概念又使该模型具有灵活的体系结构．因此该模型具有可重用、可扩展、易理解、易使用、便于进行测试等优点．最后将该模型的实现应用到各类不同的问题来验证其通用性和有效性，并给出了函数优化和TSP问题的实验结果．     

基于MISR遥感数据的优化融合预测模型

提出了一种新的预测气溶胶光学厚度AOT的优化融合模型，它把基于全局数据的径向基函数神经网络与基于局部区域数据的前向神经网络相结合，并通过优化权重组合，使得预测误差最小化。利用该模型对多角度成像光谱辐射仪MISR所采集的2002年7～9月份的数据进行AOT预测实验。结果显示：对美国陆地上空的大多数轨道，优化融合模型预测准确率明显高于全局模型和局部模型，其总体预测均方差比后二者分别减少了12．9％～24．5％和3．3％～10．5％．这表明优化融合模型是一种更为准确的摩间数据预测方法。     

多目标优化遗传算法的收敛性定义及实例研究

寻找非劣解集合是遗传算法求解多目标优化问题的目标，而标准的遗传算法收敛性分析方法对多目标遗传算法的分析并不合适。本文利用有限马尔科夫链给出了遗传算法求解多目标优化问题的两个收敛性定义，并给出了一个实例研究及进一步的工作计划。