摘要：探讨在集群环境下，如何设计并行聚类算法。作为一种低成本、通用并行系统，集群系统的通信能力，相对于节点的计算能力，是一个瓶颈。所以在集群环境下，设计并行聚类算法时，应采用数据并行的思想。从理论上，对采用数据并行思想后，影响聚类算法的加速比和聚类质量的因素进行了分析，然后通过一个验证算法PCIT(Parallel clustering algorithm based on Index Tree)证实了理论分析的正确性。研究结果可以为以后设计更好的数据并行聚类算法提供理论依据。

摘要：为解决协同设计中多任务实例并发执行,以及设计过程动态控制的可视化与形式化问题,提出了协同设计全过程的概念及其形式化方法———过程控制网。协同设计全过程由设计对象、设计阶段和过程转移机制组成。过程控制网是在面向对象Petri网的基础上,通过扩展其变迁的语义得到。设计对象建模为托肯,过程转移建模为过程网,各设计阶段建模为单元网,过程网和单元网通过特定的变迁进行交互。最后,给出了协同设计全过程的过程控制网模型的运行实例。多实例并行执行所产生的变迁序列表明,该模型不仅胜任动态设计过程的控制,而且允许多个任务按照不同的过程定义同时执行。

摘要：针对协同设计中任务的执行流程缺乏柔性,不利于分析实际设计过程的现状,提出一种单元调用变迁对与决策变迁相集成的基于对象的扩展Petri网,扩展了Petri网的可达图以适应分析OEPNs模型.采用OEPNs中的过程网和单元网对协同设计过程建模,利用模型中的单元调用变迁对和决策变迁对过程本身和可能状态进行分析.最后与相关的研究工作进行比较并给出了结论.

摘要：利用模糊定时高级Petri网和工作流技术对协同设计活动进行建模和分析 ,定义了评估和推理规则 ,解决了协同设计中对不确定性时间参数的管理 ,并能够实现对协同设计的时间验证 ,特别是对协同设计时间的定量分析 最后举例说明了如何建立相应的模糊Petri网模型 。

摘要：文中首先建立了一个 CSCW系统的基本模型 ;然后详细介绍了一个基于复制式应用程序共享方式技术的协同式计算机辅助设计系统—— Coop CAD的系统结构和关键技术 ,最后 ,给出了一个使用 Coop

摘要：为解决FPNFCPN建模与推理过程中存在模型规模急剧增大、模糊变量颜色化的作用有限、无法表示知识分类等问题,提出了一种改进的对象化模糊Petri网(FPN)建模及模糊推理算法.该算法采用面向对象技术化简规模庞大的模糊赋色Petri网(FCPN),经简化的FCPN退化为普通的FPN,但是库所中托肯的语义也发生了变化,它不仅表示模糊语言变量的集合,更重要的是它可作为其他FCPN的引用.最后将该算法应用于协同设计环境中任务分配的模糊推理过程,可有效地降低Petri网模型的复杂程度,且对象化FPN模型直观,易于理解.

摘要：给出了一种模糊控制系统的系统化设计方法，它采用一组局部Ｔ－Ｓ模糊模型来表示模糊系统，对每个局部模型，利用状态反馈进行控制器设计，最后给出了全局模糊系统的稳定性分析．通过对一个典型的非线性球－棒控制系统的仿真研究，表明该方法是有效的，它的性能指标优于现有文献的结果．

摘要：针对传统协作设计过程中任务分解、任务分配的随意性和盲目性,提出了一种基于对话的多智能体协作交互模型.初始承担者首先通过信息搜索对话,依次询问设计辅助智能体的专业领域及参与完成设计任务的能力、愿望和机会,以确定其能否作为潜在的协作组成员,然后选用劝说对话,依次劝说潜在协作组成员把实现设计任务作为其意图,最后再次以劝说对话的形式,使潜在协作组成员意识到组内其他成员也都拥有承担设计任务的独立意图和相关意图,以联合信念的形式予以确认,并广播到每个成员.给出了一个达成的对话过程,总结了对话模式的效用与代价公式.实际应用表明,所提对话交互模型在没有固定消息顺序的情况下,可限制每个点上的可能响应,同时其Agent可以表达特定言语行为的态度,并产生这一态度的逻辑推理过程.

摘要：针对交互式多模型(IMM)算法中模型集的设计问题,提出一种模型集设计方法.在已知真实模式概率分布函数的情况下,根据要求的模型数目,等概率划分模式空间,在每个等概率模式空间上,利用方差的含义获得最大范围地覆盖模式空间的模型集,并给出一个例子说明模型集的设计方法.应用Monte-Carlo仿真,将所设计的模型集用于IMM算法进行目标跟踪.仿真结果显示跟踪精度高,表明了该模型集设计方法的有效性.

摘要：研究了标称自适应 +迭代学习控制算法的稳定性 ,并利用层迭 CMAC网络的优良特性 ,提出了基于层迭 CMAC的标称自适应 +迭代学习控制方法 .此方法将标称自适应控制中确定的模型信息与未知的信息分离 ,充分利用模型中确定的信息进行前馈控制 ;而对于未知信息 ,则利用层迭 CMAC进行自适应学习 .仿真实验表明用本文所设计的控制系统对 6 - DOF并行机器人进行轨线控制 ,可获得比以往的普通 CMAC+PD控制系统更好的控制效果 .