针对多Agent路径规划问题，提出了一个两阶段的路径规划算法。首先，利用改进的蚁群算法来为每个Agent规划出一条从起始点到目标点，不与环境中静态障碍物碰撞的最优路径。在蚁群算法的改进中引入反向学习方法来对蚂蚁位置进行初始化分布，提高了算法的全局搜索能力；利用粒子群算法中的自适应惯性权重因子来调节信息素强度 Q值，使其自适应地变化，避免陷入局部最优；对信息素挥发因子 ρ进行调节，提高算法的迭代速度。其次，若多Agent之间存在动态碰撞，利用博弈论构建多Agent之间的动态避障模型，并利用虚拟行动法来解决博弈的求解问题及多Nash均衡的选择问题，确保每个Agent能够快速学习到最优Nash均衡。仿真实验结果表明改进蚁群算法与传统蚁群算法相比在搜索精度与搜索速度上有明显的提高，与Mylvaganam的多Agent动态避障算法相比，所提算法减小了路径总长度并提高了收敛速度。

编队避障问题是多智能体编队研究的关键问题之一。针对动态环境中多智能体编队避障问题，提出了一种基于人工势场法（APF）与布谷鸟搜索算法（CS）相结合的编队避障方法。首先，在动态队形变换策略的异构模式下，利用APF为多智能体编队中每个智能体规划避障；然后，针对APF在引力增量系数和斥力增量系数设置的局限性，利用CS中的莱维飞行机制思想，来随机搜索得到适应环境的增量系数。Matlab仿真实验结果表明，所提方法能够有效地解决复杂环境下多智能体编队避障问题，使用效率函数对实验数据进行评价及分析，验证了所优化方法的合理性和有效性。

针对网络流量特征选择过程中存在的样本标记瓶颈问题,以及现有半监督方法无法选择强相关的特征的不足,提出一种基于类标记扩展的多类半监督特征选择(SFSEL)算法。该算法首先从少量的标记样本出发,通过K-means算法对未标记样本进行类标记扩展;然后结合基于双重正则的支持向量机(MDrSVM)算法实现多类数据的特征选择。与半监督特征选择算法Spectral、PCFRSC和SEFR在Moore数据集进行了对比实验,SFSEL得到的分类准确率和召回率明显都要高于其他算法,而且SFSEL算法选择的特征个数明显少于其他算法。实验结果表明: SFSEL算法能够有效地提高所选特征的相关性,获取更好的网络流量分类性能。

现有决策方法忽略了各准则之间的影响，使得决策结果不一定符合实际。为了克服现有决策方法的不足和缺陷，提出一种基于Vague积分的新决策方法。该方法用Vague测度对各准则的重要性加以衡量，再利用Vague积分作为聚合算子得出各方案的整体评价，然后根据评价得出最优方案。最后，通过实例阐明新决策方法的有效性和正确性。

分析了多种基于STL模型的快速分层算法。在综合多种算法优点的基础上，首先提出了对三角面片的顶点按其切片方向进行从小到大排序，以快速滤除冗余顶点；并在此基础上建立三角面片的顶点链表及面向量，以实现STL模型的拓扑信息重构；最后基于所重构的拓扑信息，结合几何连续性分层算法实现高效的自适应分层算法。并通过C+〖KG-*3〗+实现了这一算法，证明了快速成型技术的分层制造思想可应用于三维雕刻的CAD/CAM，在技术上是可行的。

将动态规划算法应用于矢量数据压缩是一种非常有效的优化压缩方法，可以得到压缩误差最小的压缩曲线，但是会导致局部失真明显。针对该缺点提出一种改进算法，通过在动态规划算法执行过程中设定阈值限制最大位移来防止局部失真，同时对A. KOLESNIKOV等提出的原动态规划算法公式的错误进行了纠正。实验表明，改进算法在保持原算法优势的同时，可以较好地解决压缩曲线局部失真问题。

分析了分级移动IPv6（HMIPv6）现有移动锚点（MAP）选择算法的不足，提出了一种支持负载分担的新算法。该算法利用MAP的优先级值来表征MAP自身的负载情况，引入了分担门限对特定MAP的负载情况进行考察，并依据考察结果动态调整MAP选择策略，实现方法简单易行。仿真结果表明，该算法在有效减少协议开销的同时，达到了较好的负载分担效果。

随着网络带宽的不断提升，基于并行TCP的应用方式得到广泛使用。当节点为同一个应用打开多个TCP连接时，对于使用单一TCP连接的网络用户存在严重的不公平。提出一种基于强度控制的并行TCP拥塞控制方案TCPC，使这些TCP流共享拥塞信息，同时限制并行TCP流的有效连接数量，以控制并行流的侵略性。实验结果显示该方案能够较好地保证公平性，同时有效地利用网络带宽。

根据Flex RIA技术的特点，分析了基于Flex的RIA WebGIS系统结构，并引入瓦片与双缓存技术和矢栅混合地图服务以提高系统效率，最后据此提出系统设计方案，并开发了某企业地理信息管理系统。运行结果表明，利用Flex技术开发WebGIS是一种非常理想的方式。

在运用于遥感图像的分类时，为考虑图像像元间的空间相关性，首先在聚类的迭代过程中根据相邻像元的隶属度，确定邻域内的优势类别，同时引入反映空间相邻关系的加权系数，修正中心像元的隶属度。其次考虑算法用于图像分割的通信复杂度及动态聚类时的空间相邻关系，提出了相应的并行实现方案。最后，通过实验数据证明了算法在减少聚类的迭代次数以及提高聚类结果精度等方面的有效性，其并行方案也取得了较好的线性加速比。

基于预测的思想，引入数字信号处理中常用的最小均方（LMS）横向滤波器对图像进行边缘检测。由于图像的缓变区域可等效为一个平稳随机过程，使得LMS算法能够适用。在通过LMS预测检测出图像边缘的基础上，本文还对该算法在边缘处的行为进行了附加条件的判断，使得LMS算法在经过边缘的地方重新收敛后才进行边缘检测，这样可以获得单像素精度边缘。

引入了基于CPU硬件性能计数器的性能数据采集和分析方法，从软件运行时刻的细粒度参数入手分析软件运行时刻的性能表现，从而更为准确地反映系统实际的动态运行状态。实验证明，这种方法对于需要详细掌握系统动态运行状态的应用能够提供非常有效的分析数据，同时也在一定程度上对编译器的性能优化给出了相关参考数据。