为解决快递终端配送多时空任务驱动下的最小无人车队车辆数配置问题，提出一种随机优化方法。首先，分析服务时长和等待时长对无人车队行驶路线规划的影响，从而构建最短路径模型；然后，基于二维时空网络构造服务序列网络；其次，通过网络转换将最小无人车队车辆数配置问题转化为网络最大流问题，并建立以车队车辆数最小为目标的最小车队模型；最后，针对模型特征设计一种融合Dijkstra算法和Dinic算法的Dijkstra-Dinic算法来对最小无人车队车辆数配置问题进行求解。在四种不同规模的服务网络中进行仿真实验，实验结果表明：在不同成功服务率下，最小无人车队车辆数与服务网络规模呈正相关，但随等待时长的增加而减少并趋向于稳定；所提算法中所引入的One-stop算子大大提高了搜索效率，所提模型和算法适用于大规模服务网络中的最小车队计算。

针对求解复杂网络的多目标社区发现问题，提出了一种离散化随机漂移粒子群优化（DRDPSO）算法。首先，通过对社区进行随机化编码操作和针对随机漂移算法的离散化操作，来改善局部网络结构并逐渐增强全局模块度值；其次，根据核K均值（KKM）和比例割（RC）两个目标函数来控制网络中的社区规模、缓解模块度分辨率限制；最后，根据多目标求解策略逐步更新Pareto非劣解集，从Pareto非劣解集选取满足需求的目标社区结构。为了验证所提算法的有效性，将DRDPSO算法与其他社区发现算法在三种具有10个不同参数设置的生成网络及三种真实网络上进行对比实验，并采用两个最佳社区评价指标对各算法获得的社区发现结果进行对比分析。实验结果表明，使用DRDPSO算法求解复杂网络的多目标社区发现问题时，获得的社区发现评价指标（归一化互信息和模块度）最高的概率达到95%以上。可见DRDPSO算法在真实网络进行应用能进一步地提高网络社区划分的精确度和鲁棒性。

图匹配在现实中被广泛运用，而子图同构匹配是其中的研究热点，具有重要的科学意义与实践价值。现有子图同构匹配算法大多基于邻居关系来构建约束条件，而忽略了节点的局部邻域信息。对此，提出了一种基于邻居信息聚合的子图同构匹配算法。首先，将图的属性和结构导入到改进的图卷积神经网络中进行特征向量的表示学习，从而得到聚合后的节点局部邻域信息；然后，根据图的标签、度等特征对匹配顺序进行优化，以提高算法的效率；最后，将得到的特征向量和优化的匹配顺序与搜索算法相结合，建立子图同构的约束满足问题（CSP）模型，并结合CSP回溯算法对模型进行求解。实验结果表明，与经典的树搜索算法和约束求解算法相比，该算法可以有效地提高子图同构的求解效率。

针对植株形态建模过程中由于缺乏生理生态特性而导致模型无法真实再现植株生长发育规律的问题,提出了一种基于生长动力学的植株形态变化模型构建方法。以芦苇属植株为例,首先研究了植株生长动力学特性,并以有效积温、生长速率变化等为驱动力构造了植株形态建成模型;其次,应用开放式L系统(Open-L)方法描述了植株冠层拓扑演变过程;最后,通过耦合植株拓扑与器官形体的几何模型及显示模型,给出了植株虚拟生长模型构建算法。实验结果表明,该方法实现了植株形态的可视化,并反映了植物生长机理,有利于动态掌握和预测植物生长发育状况。

针对由模板生成的购物信息网页，且根据其网页信息量大，网页结构复杂的特点，提出了一种不使用复杂的学习规则，而将购物信息从模板网页中抽取出来的方法。研究内容包括定义网页模板和网页的信息抽取模板，设计用于快速构建模板的模板语言，并提出一种基于模板语言抽取内容的模型。实验结果表明，在标准的450个网页的测试集下，所提方法的召回率相比抽取问题算法(EXALG)提高了12%；在250个网页的测试集下，召回率相比基于视觉信息和标签结构的包装器生成器(ViNTs)方法和增加自动信息抽取和视觉感知(ViPER)方法分别提升了7.4%，0.2%；准确率相比ViNTs方法和ViPER方法分别提升了5.2%，0.2%。基于快速构建模板的信息抽取方法的召回率和准确率都有很大提升，使得购物信息检索和购物比价系统中的网页分析的准确性和信息召回率得到很大的改进。

针对DV-Hop算法定位精度低的问题，提出了可信邻居距离估计的DV-Hop(CDV-Hop)校准算法。通过将邻居节点间距离与连通性差异联系起来，定义了一种新的邻居距离估计方法，计算出更精确的邻居距离；根据不同未知节点与其最近锚节点独特的位置关系，增加了校准步骤，以可信邻居距离为校准标准对未知节点的估计位置进行修正。仿真结果表明，CDV-Hop算法在不同的网络环境下表现稳定，随着锚节点比例的增加，与DV-Hop算法相比，定位精度提高了4.57%~10.22%，与改进的DV-Hop(IDV-Hop)算法相比，定位精度提高了3.2%~8.93%。

分析了布尔逻辑和粗糙集理论相结合的离散化算法在贝叶斯网络建模中应用的局限性，提出基于断点值逐次扫描划分实例对的连续变量离散化算法，改变了原算法中基于断点区间划分实例对的计算方法，应用实例表明，该算法时间复杂度和空间复杂度较低，具有较强的实用性，更适用于贝叶斯网络中的连续数据离散化处理。

兼顾植物生理功能的形态发生模型，是在计算机上实现模拟植物生长发育的理论依据。通过观察芦苇生长过程中发生的形态及生理变化，分析了形态结构与生理因子之间的内在关系，并提出一种基于生长机的芦苇形态建模方法。根据生成的形态模型有效组织芦苇生长时产生的大量数据，并建立其可视化流程。通过模拟实验，结果表明该模型能有效地模拟芦苇的生长发育过程。