谱分析的神经网络方法──局部零残差法

提出了一种神经网络ＡＲ（自适应递归）参量估计的新方法──局部零残差法。利用所建立的神经网络的明确收敛性，在每一个数据到来后获得一组ＡＲ参量的零残差解，这时ＡＲ参量的特性是与时间序列的噪声相关的随机过程，最终的ＡＲ参量值为全部数据通过神经网络预测误差滤波器后，对各点获得的ＡＲ参量解的求和平均。由此，ＡＲ参量值确定的最大熵谱具有很好的稳定性，且谱的分辨率和精度是与滤波器的长度成正比，这给最佳滤波器的选择保留了充分的灵活性。另外，利用神经网络并行快速的特性，可用该系统进行实时谱分析。

一种新的自适应遗传算法及其在多峰值函数优化中的应用

在分析遗传进化过程的基础上 ,提出了一种新的自适应遗传算法 ,有效地解决了遗传算法的全局收敛性问题 ,并且在多峰值函数优化问题中显示了优良的性能 .

进化规划在电网规划中的应用

本文将进化规划引用到电网规划中来，克服了应用常规数学方法带来的弊端。进化规划跟遗传算法从两个不同的角度去解决同一问题。本文的结果表明应用进化规划来求解电网规划问题为电网规划开辟一条新途径。

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。

基于遗传算法的计算机通信网优化设计

计算机通信网中将路由选择和链路容量分配综合起来考虑时的优化设计模型（ＣＦＡ）是一个复杂的非线性０－１规划，若采用传统的数学方法求解，无法快速有效地求得工程满意解。文中以遗传算法的基本思想为基础，设计了一个与传统方法完全不同的遗传寻优算法。对计算机通信网优化设计实例的计算表明，该算法能够迅速求出ＣＦＡ问题的全局近似最优解，并且解的精确度很高，能够满足工程设计中的要求。

应用神经网络理论的计算机通信网迟延新算法

计算机网络最小平均迟延的求解实质上是一个联合优化问题。进一步的分析表明，它可以近似为一个二次型优化问题。我们利用一种具有全局收敛性质的神经网络模型解决了这一问题。计算结果表明，这种方法是可行而有效的。

关于遗传算法过早收敛现象的特征分析及预防措施

在简要介绍遗传算法的基础上，通过引入种群早熟集和种群多样度的概念，分析了遗传算法中过早收敛现象的起因与特征。阐明了杂交过程的成熟化效应是引起遗传算法过早收敛的主因，提出了几种可以预防和克服过早收敛的新型遗传算法。

论细胞神经网络的稳定性

研究了细胞神经网络的耗散性及其平衡点的存在性、唯一性和全局渐近稳定性。推广了先前有关ＣＮＮ稳定性的一些结果。

三角多项式倒数对周期可微函数的L_p逼近

考虑三角多项式倒数对周期可微函数的Ｌｐ（１≤ｐ＜＋∞）逼近问题，得到相关的一个定理及其推论。

计算通信网络可靠性的分解技术

本文应用分离节点的概念将图分解成两个子图，使通信网络端对可靠性的成功函数简化为两个子网络的可靠性成功子函数，并且进一步导出由子网络不交化表示的原网络的不交化表达式，最后得到通信网络更简便更紧凑的端对可靠性表达式，此简化方法适用于任意系统可靠性的计算．

基于遗传算法的求解复杂计算机通信网路由选择的新策略

求解计算机通信网路由选择是一个多约束条件的非线性优化问題,当变量和约束条件较多时,难以求得最优解。本文以遗传算法的基本思想为基础,提出了一种新的遍历匹配选择法。通过实例计算,采用这一选择方式的遗传算法能快速求出问题的全局近似最优解,且具有较高的计算精度。

具有较一般分枝特征超O—U过程的支集

研究分支特征为ψ（ｘ，λ）Υ＝（ｘ）λ＾１＋β〈β≤１）的超Ｏｍｓｔｅｉｎ－Ｕｈｌｅｎｂｅｃｋ过程。通过考虑超过程的Ｌａｐｌａｃｅ泛函及与之相连的偏微分方程，得到它的支集的一些结果。

高斯光束的矩孔和圆孔衍射

应用亥姆霍兹方程和傅里叶变换，对高斯光束通过狭缝、矩孔和圆孔时的衍射时行了分析。在傍轴条件下导出了相应的近似公式，并给出了数值计算结果。

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。

关于神经网络和遗传算法的研究进展

简要回顾了南京邮电学院几年来在神经网络、Ｈｏｐｆｉｅｌｄ模型神经网络、细胞神经网络模型和遗传算法等方面的研究工作所取得的进展。

分块三角形连接权矩阵神经网络及其应用

本文对连接权矩阵为分块三角阵的神经网络的稳定性进行了研究,证明了连接权矩阵为严格三角阵的神经网络具有全局稳定性。最后构造了一种具有全局稳定性的人工神经网络A/D转换电路。

二次型规划问题的进一步研究

进一步分析了求解二次型规划问题的神经网络方法，给出了这一方法的稳定性的可检验条件，并证明在这个条件下网络是全局收敛的，最后，给出了数值模拟例子。

采用新杂交运算的遗传算法在求解优化问题中的应用

以遗传算法为基础，提出了一种利用混沌模型产生随机控制开关，以此控制杂交运算，从而能快速地求解０－１规划问题，并获得全局最优解。

关于《用微分连续法求解Dufing方程的2π周期解》一文的注记

指出了文献［１］的构造性证明中存在的错误，分析了原因。

一种新型光学匹配滤波器的研制

讨论了用计算全息方法研制的用于单模光纤场分布测量的光学匹配滤波器，给出了一个含有９个低阶高斯－拉盖尔模的光学匹配滤波器实例及其再现像。