针对物流配送过程中的高碳排放问题，从低碳视角出发，构建考虑模糊需求的低碳取送货车辆调度（LCVRPPD）模型，并提出一种基于2-OPT的差分算法对问题进行求解。该算法中，采用自然数编码方式并设置三种不同的适应度函数；随后，引入2-OPT算法取代差分算法原有的变异机制，并结合二项交叉算子和贪婪选择算子，从而提高改进算法的收敛速度。案例分析中，通过田口法确定改进算法参数的合理取值，通过SPSS分析揭示了在运输成本最小、碳排放量最小和总成本最小的三种不同目标模型中，以总成本最小为目标函数的模型的解的效果最好。针对不同顾客规模的算例，改进算法与基本差分算法相比，总成本可以降低1.8%~3.0%，碳排放量可以降低0.7%~3.5%；与遗传算法相比，总成本可以降低1.9%~16.47%，碳排放量可以降低1.2%~4.3%；与粒子群优化算法相比的优化效果更加明显，总成本可以降低4.0%~22.5%，碳排放量可以降低1.56%~7.88%，验证了算法的有效性及先进性。综上，所提出的模型和算法可以为低碳取送货车辆调度问题提供参考。

针对在高层次综合（HLS）过程中性能提升、功耗降低困难等问题，提出了一种面向高层次综合的自定义指令自动识别方法。在高层次综合过程之前实现对自定义指令的枚举和选择，从而为高层次综合提供通用的自定义指令识别方法。首先，将高层次源代码转换为控制数据流图（CDFG），实现了对源代码的预处理；其次，基于控制数据流图内的数据流图（DFG），采用子图枚举算法以自底而上的方式枚举出所有连通凸子图，有效提高了用户可灵活修改约束条件的能力；然后，分别从面积、性能和代码量三个角度考虑，利用子图选择算法选择部分最佳子图作为最终的自定义指令；最后，用所选的自定义指令重新生成新代码作为高层次综合工具的输入。与传统高层次综合相比，采用基于出现频率的模式选择可平均减少19.1%的面积，采用基于关键路径的子图选择可平均减少22.3%的时延。此外，与TD算法相比，所提算法的枚举效率平均提升70.8%。实验结果表明，自定义指令自动识别方法使高层次综合在电路设计中能够显著地提升性能，减少面积和代码量。

针对移动社会网络（MSN）的好友推荐问题，提出了一种基于多维相似度的好友推荐方法。该方法隶属于基于内容的好友推荐，但与现有方法相比，不再局限于单一维度的匹配信息，而是从空间、时间和兴趣三个维度出发，判断用户在各个维度上的相似度，最终通过“差异距离”进行综合评判，向目标用户推荐与之在地理位置、在线时间和兴趣爱好上更具一致性的其他用户成为其好友。由实验结果表明，该方法应用于移动社会网络中的好友推荐服务时，其推荐结果查准率接近80%，查准效率接近60%，性能远高于只基于单一维度的好友推荐方法；同时，通过对三维权重值的调整，该方法可应用于多种特性的移动社会网络中。

现实世界中，多维数据分布常常不是单一一种类型，而是在不同的数据区域中呈现不同类型的数据分布。提出了一种面向多维混合型数据分布的混合多维直方图COCA*-Hist方法。这种方法在给定的空间预算下，根据数据分布空间不同的区域中的数据分布类型，可以包含多种不同类型的直方桶，从总体上提高直方图的准确性。由于需要对创建多维直方图的树结构进行二次遍历，以识别不同类型的数据分布区域并进行空间预算的重分配，COCA*-Hist时间效率略低于MHist算法，但对因此获得的准确性的提高和面对不同数据分布类型的通用性来说，是可以接受的。

出处对于研究人员，特别是对科学家判断数据和实验的正确性和时效性尤其重要。随着数据库视图实体化技术和数据标注/修订技术的广泛应用，出处的研究正逐渐成为一个新的研究热点。合适的出处数据集是测试出处管理的新技术/算法的功能准确性和性能的基础之一，而在获得真实数据之前能够生成尽可能真实的模拟出处数据，对验证和改进算法同样具有关键作用。给出了一个新的出处数据库生成器ProGen，能够根据数据出处所使用的关系模式和出处上的标注约束来生成所需规模的出处数据库，实验表明所给出的实现是高效、可伸缩的。

随着存储器价格的下降、64位系统的引入和广泛使用，内存数据库（MMDB）技术得到了更广泛的研究，并出现了一些原型系统和商业系统。首先对比了内存数据库与磁盘数据库在查询处理、索引技术等几个方面的差异，总结分析了内存数据库的关键技术和研究内容，内存数据库需要研究的问题，最后展望了未来的研究方向。

数据库自管理、自调优中查询计划的自动优化是目前的关注热点。为保证优化器估值精度，用统计学方法，给出了一种基于熵相关系数的对字段关联性的自动判别的新算法——COCA。该算法有下列特点：（1）限制少，没有卡方检验的频数限制，卡方检验只有在列联表中至少有80%的格子频数大于5的情况下才可信； （2）结果多，卡方检验（CORDS）只判断字段之间是否有关联，新方法可计算字段之间双向的关联程度。实验表明， 新方法更坚固，产生更多的统计信息，可以支持后面更高效、准确地建立直方图。

在开放的服务网格中,为不同管理域之间建立信任关系并以此实现它们之间的协同工作是当前服务网格所面临的一个主要安全问题。为了提高服务网格的安全性和可扩展性,文中提出了一个服务网格环境下基于行为的分层信任模型,用以解决处于不同管理域的实体之间协同工作的安全问题。模型上层建立和维护具有不同安全策略管理域之间的推荐信任关系,下层负责处理管理者对域内实体的信任评估问题。在利用推荐信任值建立管理域间关系的过程中,给出了一种根据实际交往经验调整管理域间推荐信任值的算法。同时,给出了一种可行的推荐信任值综合处理方法。实验表明,分层行为信任模型具有较好的有效性和可扩展性。