针对散货港口因堆场面积有限，在货物进港作业时，如何在进出港货物动态变化的情况下兼顾作业效率并安排货物在堆场中合理堆放的问题，提出了一种基于博弈论的散货港口堆场堆位分配算法（BSAABG）。首先，将堆位分配行为建模为动态博弈，并运用满足均衡分析该博弈。假设每票货物对分配所得效益都有一个预期，当所有货物都达到预期时博弈即达到满足均衡。然后，使用基于博弈论的散货堆场堆位分配算法BSAABG求解之前建立的该模型，从理论上证明算法的收敛性。实验结果表明，当货物票数为20时，基于博弈论的散货堆场堆位分配算法BSAABG的货物平均满足度比人工分配方法（用贪心算法（GA）模拟）和基于规则的堆位分配算法（SABR）分别提高了62.5%和18.2%，堆场分配效益是贪心算法（GA）的6.83倍，是SABR的3.22倍。可见所提算法能够有效地提高货物的平均满足度和堆场分配效益。

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。

虽然与信息检索（IR）方法相比，基于本体的动态需求跟踪方法能提高跟踪链的精度，但构建一个合理、有效的本体特别是领域本体是一个相当复杂和繁琐的过程。为了减小构建领域本体带来的时间成本和人力成本，通过将修饰词和通用本体相结合，提出基于修饰词本体的关键词语义判断方法（MOKSJM）。首先，对关键词和修饰词的搭配关系进行分析；然后，采用修饰词本体结合规则的方式来确定关键词的语义，以避免关键词的多义性对动态需求跟踪结果造成的偏差；最后，根据上述分析的结果，对关键词语义作出调整，并通过相似度得分来体现其语义。修饰词在需求文档、设计文档等中数量较少，因此建立修饰词本体所带来的时间成本和人力成本相对较小。实验结果表明，MOKSJM与基于领域本体的动态跟踪方法在召回率相当时，精度差距更小；与向量空间模型（VSM）方法相比，MOKSJM能有效提高需求跟踪结果的精度。

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。