针对以汽车运输为主且吞吐量较大的内河港口的交通拥堵问题，提出一种基于博弈论的内河港口作业车辆协同选路方法。首先，基于港口路网特征与车辆作业特点，将同时请求路径规划的作业车辆间的交互建模为不完全信息博弈，采用满足均衡（SE）的概念来分析该博弈。假设每个车辆对选路效用都有一个预期，当所有车辆都得到满足时博弈即达到均衡。然后，提出了一种车辆协同选路算法，算法中每个车辆首先按照贪心策略初始选路，之后将所有车辆按规则分组，组内车辆根据历史选路结果进行适应性学习并完成博弈。实验结果表明，当港区同时作业车辆数为286时，协同选路算法的车辆平均行驶时间分别比Dijkstra算法和自适应学习算法（SALA）少50.8%和16.3%，系统收益分别比Dijkstra算法和SALA提高51.7%和24.5%。所提算法能够有效减少车辆平均行驶时间，提高系统收益，更适用于内河港口车辆选路问题。

软件文档和源代码之间的可追踪性研究广泛使用了信息检索（IR）技术，但由于中文文档和源代码用不同的语言书写，使用传统IR技术进行自动跟踪时会导致精度不高。针对上述问题，提出一种基于版本控制的中文文档到源代码的自动跟踪方法。首先，结合文本到源代码的启发式规则，采用IR方法计算出文本和源代码之间的相似度得分；然后，使用软件开发和维护过程中提交到版本控制软件的更新信息来修正该分数；最后，根据设定的阈值确定中文文档与源代码之间的跟踪关系。实验结果表明，改进方法的精确度和召回率相比传统IR方法均有一定的提高，并且该方法能提取出传统IR方法中遗漏的跟踪关系。