为了提高多目标粒子群算法优化解的多样性和收敛性，提出了一种基于多样性信息和收敛度的多目标粒子群优化算法（Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree，dicdMOPSO）.首先，利用非支配解多样性信息评估知识库中最优解的分布状态，设计出一种全局最优解选择机制，平衡了种群的进化过程，提高了非支配解的多样性和收敛性；其次，基于种群多样性信息设计出一种飞行参数调整机制，增强了粒子的全局探索能力和局部开发能力，获得了多样性和收敛性较好的种群.最后，将dicdMOPSO应用于标准测试函数测试，实验结果表明，dicdMOPSO与其他多目标算法相比不仅获得了多样性较高的可行解，而且能够较快的收敛到Pareto前沿.
模糊线性时序逻辑（fuzzy linear temporal logic）被应用于刻画模糊系统的规范语言，其可实现性（realizability）用于判断满足该时序逻辑公式的开放系统模型是否存在.模糊线性时序逻辑可实现性和系统合成（synthesis）的基本思想是：给定模糊线性时序逻辑公式，判断是否存在满足该公式的系统.如果存在，则构造满足该公式的最优系统.为了检验模糊线性时序逻辑的可实现性，首先引入模糊Büchi博弈的定义，作为检验模糊线性时序逻辑公式是否可实现的模型.其次通过归约的方法，研究模糊Büchi博弈的性质（最优无记忆策略存在性.最后验证模糊线性时序逻辑的可实现性并且给出其系统合成的过程，并说明它们的时间复杂度.
现有的面向大规模数据分类的支持向量机（support vector machine，SVM）对噪声样本敏感，针对这一问题，通过定义软性核凸包和引入pinball损失函数，提出了一种新的软性核凸包支持向量机（soft kernel convex hull support vector machine for large scale noisy datasets，SCH-SVM）.SCH-SVM首先定义了软性核凸包的概念，然后选择出能代表样本在核空间几何轮廓的软性核凸包向量，再将其对应的原始空间样本作为训练样本并基于pinball损失函数来寻找两类软性核凸包之间的最大分位数距离.相关理论和实验结果亦证明了所提分类器在训练时间，抗噪能力和支持向量数上的有效性.
为了解决无线Ad hoc网络在负载较重时网络性能差等问题，提出了一种将TDMA（Time Division Media Access）与CCFD（Co-time Co-frequency Full Duplex）相结合的分布式全双工MAC（Media Access Control）协议.数据传输前节点首先在链路共存准则的基础上进行抑制检查，随后主链路按一定的优先级筛选二级链路并发起调度请求，调度所需的四次握手过程在业务时隙头部完成.本协议在不影响传统TDMA半双工通信的条件下，增加同一时隙中可以共存的链路数，改善网络的吞吐量和时延性能.
