基于净室规则的CMM及其应用

软件能力成熟度模型(CMM)是为了高效的软件开发而描述关键过程域的框架。净室是一种以合理的成本开发高质量软件的基于理论、面向工作组的方法。如果将CMM对软件质量的定量管理和净室对成本、风险的控制相结合，无疑会给软件的开发增加巨大的动力。并且，CMM和净室是相辅相成、共同促进的。本文描述了将净室技术和CMM相互应用在服装CAD软件开发中的一些启示。     

人体热湿交换的数值模拟模型

考虑到人体形状对热湿交换过程的直接影响，文中用真人扫描得到的三维非结构化网格构造了一个人体几何模型，该数值人体模型更接近于真实的人．利用Gagge 2-node(热核core和皮肤skin两点)热生理模型来描述皮肤表面每一个细胞与外界环境的热调节过程，得到皮肤和外界环境的动态的温度和湿度分布，并应用到我们研发的三维服装CAD中．     

遗传算法的研究与应用

根据遗传算法的一些基本概念以度遗传算法的操作流程。对遗传算法的繁殖算子从数学上给出定义，刻划了繁殖算子的本质。遗传算法是一种基于概率意义上的随机搜索算法。但它是从空间上的一组点而不是一个点出发。因此遗传算法的搜索能力比其他随机搜索算法更强，可以找到全局范围内的最优解。但是。应该注意在遗传算法的应用中，要避免其过早的收敛，防止陷入局部最优解。     

基于遗传算法的成卷策略的设计与实现

本文提出了一个运用遗传算法来进行成卷的策略。它根据成卷要求，运用统计学的知识来进行以概率选题；并且保留了适值比较大的染色体到下一代，这样防止了早熟现象的发生。最后得出的试卷不仅能满足命题要求，还杜绝了在一张试卷中出现重题。     

遗传算法成卷策略的编码实例

遗传算法能解决选题的盲目性,并能从群体中选择更满足条件的个体,具有很强的智能性,同时它能根据不同的环境产生不同的后代,具有动态性、自适应性,从而能满足题库不断变化的要求.由于理想题库容量大,覆盖面广,因此选题计算量大.利用遗传的内在并行性,可以有效地解决计算量大的问题,而且其搜索是从一个初始种群出发,即从多点出发,减少了陷入局部最优解的概率.遗传算法优化求解只需知道问题本身所具有的目标函数,同传统优化算法比较,它具有更强的鲁棒性.本文的大量试验亦证明了这一点.     

Linux内核动态更新机制的分析与应用

本文主要分析了在Linux中利用模块加载技术来实现对核心动态更新的机制和原理，讨论了使用模块技术的优缺点，详细给出了Linux模块的栽入与卸载的具体实现过程，并在此基础上给出了以模块形式存在的驱动程序框架。