真实人手抓取数据在人类抓取行为分析和机器人类人抓取等研究中起到至关重要的作用。抓取数据集中应包含复杂形状的三维物体信息、抓取点的信息以及手的姿态和形状，然而目前普遍方法是采集视频图像并从中估计人的抓取行为，导致不能准确记录手部各个关节的自由度信息。利用虚拟现实技术建立虚拟环境，利用数据手套直接捕捉在虚拟环境中三维物体和手部姿态信息作为抓取数据。提出的数据集包含生活中常见的49类物体中的91个不同形状的物体（每个有108个姿态）以及共52 173人次的抓取记录，规模和丰富性都远远超过了已有的用于研究人类的抓取行为和研究以人为核心的抓取技术的数据集。此外，使用采集的数据集进行抓取显著性分析和类人抓取计算，实验结果验证了数据集的应用价值。

对称密码是信息系统中数据保密的核心技术，而非线性S盒通常是其中的关键密码组件，广泛用于分组密码、序列密码和MAC（Message Authentication Code）算法等设计。为了保障密码算法设计的安全性，首先，研究了差分均匀度、非线性度、不动点数、代数次数与项数、代数免疫度、雪崩特性、扩散特性的指标测试方法；其次，通过可视化窗口设计输出S盒的各个安全指标结果，并以弹窗形式给出对应安全指标的细节描述；再次，重点设计了S盒非线性度和代数免疫度的子模块，并对应非线性度简化了线性分布表，且基于定理对代数免疫度计算过程进行了优化和举例说明；最后，实现了S盒的测试工具，并给出了7种安全指标测试和案例演示。所提测试工具主要应用于对称密码算法的非线性组件S盒安全指标的测试，进而为算法整体提供安全保障。

多水下自主航行器（AUV）任务规划是影响集群智能水平的关键技术。针对现有任务规划模型只考虑同构AUV集群和单潜次任务规划的问题，提出了适用于AUV异构集群的多潜次任务规划模型。首先，该模型考虑了AUV的能量约束、AUV多次往返母船充电的工程代价、异构集群个体间的效能差异、任务多样性等关键因素；然后，为提高问题模型的求解效率，提出了一种基于离散粒子群的优化算法，该算法引入用于描述粒子速度、位置的矩阵编码和用于评估粒子质量的任务损耗模型，改进粒子更新过程，实现了高效的目标寻优。仿真实验表明，该算法不仅解决了异构AUV集群的多潜次任务规划问题，而且与采用遗传算法的任务规划模型相比较，任务损耗降低了11%。