在使用无人机（UAV）作为计算卸载的数据收集器对用户设备（UE）提供移动边缘计算（MEC）服务的场景下，设计了一种通过UAV实现高效的UE覆盖的无线通信策略。首先，在给定UE分布的条件下，对于UAV的飞行轨迹和通信策略，使用了连续凸逼近（SCA）的优化方法来得出一种可以使全局能量最小化的近似最优解；此外，对于UE大范围分布或任务量较大的场景，提出了一种自适应聚类算法，以将地面的UE划分成尽量少的聚类，并保证每个聚类中全部UE的卸载数据都可以在一次飞行中全部完成收集；最后，将每个聚类中UE的计算卸载数据收集任务分配给一次飞行，从而达到减少单个UAV完成任务所需的派遣次数或多UAV执行任务所需的UAV派遣数量的目的。仿真结果表明，所提方法可以生成相比 K-Means算法更少的聚类数量且能快速收敛，适用于UE大范围分布下UAV辅助的计算卸载场景。

许多基于网络结构信息的链接预测算法利用节点的聚集程度评估节点间的相似性，进而执行链接预测；然而，该类算法只注重网络中节点的聚集系数，没有考虑预测节点与共同邻居节点之间的链接聚集系数对节点间相似性的影响。针对上述问题，提出了一种融合节点聚集系数和非对称链接聚集系数的链接预测算法。首先，计算共同邻居节点的聚集系数，并利用共同邻居节点对应的两个非对称链接聚集系数计算该预测节点的平均链接聚集系数；然后，基于Dempster-Shafer证据理论将两种聚集系数进行融合生成一个综合性度量指标，并将该指标应用于中间概率模型（IMP），得到一个新的节点相似性指标（IMP_DS）。在9个网络数据上的实验结果表明，该算法的受试者工作特征（ROC）的曲线下方面积（AUC）与精度值（Precision）优于共同邻居（CN）、Adamic-Adar（AA）、资源分配（RA）指标和基于共同邻居的中间概率模型（IMP_CN）。

针对大规模数据图下基于回溯法的子图查询算法的准确率低、开销大等问题，为提高查询准确率，降低大图下的查询开销，提出一种基于Spark的子图匹配（SQM）算法。首先根据结构信息过滤数据图，再将查询图分割成基本查询单元；然后对每一个基本查询单元分别匹配后进行Join操作；最后运用并行化提高了算法的运行效率，减小了搜索空间。实验结果表明，与Stwig、TurboISO算法相比，SQM算法在保证查询结果不变的情况下，速度提高了50%。

为解决差分进化（DE）算法过早收敛与搜索能力低的问题，讨论对控制参数的动态调整，提出一种基于反向学习的自适应差分进化算法。该算法通过反向精英学习机制来增强种群的局部搜索能力，获取精确度更高的最优个体；同时，采用高斯分布随机性提高单个个体的开发能力，通过扩充种群的多样性，避免算法过早收敛，整体上平衡全局搜索与局部寻优的能力。采用CEC 2014中的6个测试函数进行仿真实验，并与其他差分进化算法进行对比，实验结果表明所提算法在收敛速度、收敛精度及可靠性上表现更优。

针对基于随机上下文无关文法（SCFG）建模的多功能雷达（MFR）辐射源识别问题，提出了一种基于随机无穷自动机（SISA）的MFR辐射源识别方法。在文法建模的基础上，对“水星”MFR控制模块文法产生式和系统特征文法产生式进行重新构造生成SCFG，利用SCFG构造随机无穷自动机作为识别器，从而实现对测量辐射源的识别。通过理论分析和实验仿真得出：该方法能实现对MFR辐射源的识别；在一定范围内，通过增加文法产生式个数，可以提高平均识别率，且识别性能优于通过SCFG构造的随机下推自动机（SPDA）。实验结果表明了该方法的正确性和有效性。

针对大气中细颗粒物(PM2.5)浓度预测的问题，提出一种预测模型。首先，通过引入综合气象指数综合考虑风力、湿度、温度等因素；然后，结合实际二氧化硫（SO2）浓度、二氧化氮（NO2）浓度、一氧化碳（CO）浓度和PM10浓度等，构成特征向量；最后，利用特征向量和PM2.5浓度数据来建立最小二乘支持向量机（LS-SVM）预测模型。经2013年城市A和城市B环境监测中心的数据预测分析表明，引入综合气象指数后预测的准确性提高，误差降低近30%。说明该模型能够较为准确地预测PM2.5浓度，并具有较高的泛化能力。此外还分析了PM2.5浓度与住院率、医院门诊量的关系，发现了它们的高度相关性。

为了提高RoboCup3D仿真平台中球员在运动过程中的精确性和稳定性,提出一种针对仿人机器人NAO模型的运动学实时求逆解方法。首先,分析了NAO模型的下肢拓扑结构,并且建立了其前向运动学模型;然后,通过实时的逆运动学解析法推导出机器人下肢关节各个关节角的求解方程;最后,通过编码实现该算法。实验结果验证了该方法的求解数值稳定性和在线实施的可行性,提升了RoboCup3D仿真球队的整体竞技水平。

大规模无线传感器网络(WSN)环境下，当网络结构采用单一的sink节点时，容易造成sink节点周围的普通传感节点因为转发大量其他节点的数据，迅速消耗掉自身能量而使网络失效。为了延长网络寿命，需要降低传感节点到sink节点的跳数,而采用多sink结构是一个有效的方法。为此，需要考虑一定规模的网络中，应该布置多少sink节点，才能使得网络寿命最大化的同时网络成本最低。基于栅格网络结构，提出了多sink节点下的网络寿命模型和网络成本模型，并采用一种新颖的方法计算最大网络寿命成本比(RLC)，推导出了保证网络寿命最大化的同时网络成本最低的sink节点个数的表达式。理论结果表明，该值与网络规模、关键节点数、节点收发功率以及普通节点和sink节点的成本等参数有关。最后通过仿真实验证明了该结论的正确性。