一类二元三角插值多项式的逼近

将二元三角插值多项式的基函数做组合平均，构造出一个新的组合型二元三角插值算子，并且研究了该算子对二元连续周期函数的收敛性及收敛阶的估计等问题。     

修正的组合型二元三角插值多项式

以两组不同的节点构造了一个组合型二元Lagrange三角插值多项式算子Fmn(f；r1，r2，x，y)，研究了该算子对二元连续周期函数的收敛性，并对其收敛阶进行了估计．     

二元插值算子的Cesàro强性逼近

本文主要研究了偶数类节点组上的由三角插值多项式构造的二元三角插值算子的（p，p）阶r次Cesàro强性逼近问题，得到了三角算子的Cesàro强性逼近的估计式，推广了一些文献中的结论．     

推广的二元三角插值算子的收敛与饱和

构造了不依赖于结点组的更广的一类二元Fourier插值算子和二元离散的Fourier插值算子,估计了两类算子的收敛阶,并且证明了对于二元连续周期函数类来讲,该收敛阶是最优的.更进一步讨论了这两类算子的饱和问题,得到了饱和阶的估计.在收敛阶和饱和阶的度量上,论文结果与以往文献中的结果是一致的.     

二元积分型Jackson插值算子在Orlicz空间中的收敛性

本文引进两类二元积分型Jackson三角插值多项式,证明其在Orlicz空间为一致有界且强收敛的,做为推论证明了两类修正二元 Hermite-Fejer 插值算子在带权Orlicz 空间中的收敛性。     

一种新的Jackson型插值算子及Orlicz空间中的收敛性

引进池一类新的二元积分型Ｊａｃｋｓｏｎ插值算子,证明了该算子在Ｏｒｌｉｃｚ空间中的收敛性。     

二元乘积型三角插值多项式的逼近

构造了一类基于等距结点组上的二元三角插值多项式算子,使得该算子在全平面上一致收敛到每个以2π为周期的二元连续函数,并且对具有任意阶连续偏导数的函数全体的逼近具有最佳收敛阶.     

二元插值算子的Cesàro强性逼近

本文主要研究了偶数类节点组上的由三角插值多项式构造的二元三角插值算子的(p,p)阶r次Ces(a)ro强性逼近问题,得到了三角算子的Ces(a)ro强性逼近的估计式,推广了一些文献中的结论.     

二元Birkhoff插值

研究了二元函数的一般插值，主要是二元Ｂｉｒｋｈｏｆｆ插值关联矩阵的正则性问题，并把二元函数的插值化为一元函数的插值。     

插值算子的分解

利用多分辨分析及其相关理论，给出M-带插值小波包的构造，由这种插值小波包得到M-带插值算子的分解算法，基于这种分解可分析采样数据的数据结构，从而能够根据实际问题设计出相应的插值算法．最后利用这种分解构造出一种M-带插值算子，这种插值算子不仅适用于M不小于3的M-带插值问题，即使对于2-带情形，这种插值算子也与传统方法构造的插值算子插值点相同。     

二重Fourier级数的平行六边形求和法

将线性求和法应用于三向剖分平行六边形域上二重Fourier级数的平行六边形截断,提出一种平行六边形求和法.通过构造一个新的收敛因子得到一个积分算子,并证明了该积分算子对于以平行六边形域为周期的二元连续函数的一致收敛性.     

人工鱼群和蒙特卡罗混合算法的应用

为方便快捷地使用计算机求解二重积分的数值解,采用人工鱼群和蒙特卡罗的混合算法,将蒙特卡罗求解二重积分数值解的思想引入到人工鱼群算法中,改进了人工鱼群算法中的适应度函数和积分求和公式。最后,通过一个算例进行了验证,实验结果表明:当分割点数目仅为100时,误差已经降低为0.000 410 7;而进化策略的实验结果是:当分割点数目达到1 024时,误差才降为0.000 148.改进的后算法一方面很好的体现了人工鱼群算法易于和蒙特卡罗算法结合的优点,另一方面在保留改进的蒙特卡罗算法原有优点的基础上,也在一定程度上减少了分割点的数目,提高了算法的收敛速度和数值计算精度。经过分析研究与实例验证,其计算结果和其他方法进行比较表明该方法是可行有效的,对构建高效的二重积分数值求解算法进行了有益的探索。     

一类多重障碍散射问题的数值算法

针对多个散射体的障碍散射问题提出一种新的数值算法.该算法利用单层位势函数和双层位势函数的线性组合近似散射场的性态,无需截断与剖分区域,应用过程简单,收敛速度快.数值算例表明了算法的有效性.     

基于遗传算法的双圆弧齿轮传动的神经网络优化设计

针对常规设计中双圆弧齿轮体积较大的问题,在先选定螺旋角的情况下,以圆弧齿轮传动的小齿轮齿数、法面模数及齿宽为设计变量,以两圆弧齿轮的体积之和最小为目标函数,应用遗传算法设计理论,建立双圆弧齿轮传动的遗传算法优化设计的数学模型,采用神经网络对其进行优化.结果表明,应用遗传算法和神经网络相结合的方法对双圆弧齿轮传动进行优化设计,可以克服单纯用遗传算法的早熟现象和神经网络发生局部收敛的缺点,体积减少30%以上.     

协同学习差分进化算法及在双转向机构优化中的应用

根据齐次坐标变换法推导了双转向机构转向分析数学模型,然后采用差分进化(DE)算法求解该模型。针对基本DE算法可能出现早熟或收敛速度慢的问题,提出一种基于协同学习机制的差分进化(CLDE)算法。该算法采用两个子种群,每个子种群采用不同的变异策略,利用局部极值判断机制确定早熟收敛种群;针对早熟收敛种群,利用精英种群映射策略向精英种群进行映射学习,实现子种群间的信息交流;若不存在精英种群,则在自身种群内采用自适应高斯扰动策略实现自我调整。函数测试结果表明,CLDE优化精度更高、速度更快、稳定性更好。将该算法用于机构优化问题,结果表明,与基本DE算法、随机变异差分进化算法(RMDE)、多种群自适应差分进化算法(ADEMP)相比,CLDE的最优适应度值分别降低13. 83%、8. 33%和6. 25%,且表现出了较好的稳定性和收敛性。     

平行六边形域上二重Fourier级数的线性求和

对三向剖分平行六边形域上的二重Fourier级数提出一 种新的线性求和法. 通过构造一种特殊的求和因子, 保证了由此得到的积分算子在全平面上一致地收敛到每个以平行六边形为周期的连续函数, 且对光滑的被逼近函数, 给出了算子的收敛阶估计.     

矩形域上二重积分的优化Taylor数值积分法

本文给出了矩形域上二重积分的优化Ｔａｙｌｏｒ数值积分法，所得到的选代公式可避免重复计算，能加速收敛到给定的近似值精度，同时给出了相应的误差估计式。     

基于二重积分定义的神经网络求解数值积分模型及学习算法

根据二重积分的定义和一般网络的拓扑结构特点,提出求解二重积分的神经网络模型和学习算法,并进行算法收敛性分析和算例验证.该算法收敛并且比传统的数值积分方法的计算精度高、收敛速度快.     

Lipshitz条件下密度估计函数的收敛性

为了研究密度估计函数及其收敛性问题,构造了与f(x)相对应的密度函数估计fn(x),在连续的条件下证明了密度函数估计fn(x)是f(x)的渐近无偏估计、均方收敛估计和一致估计;在Lipshitz条件下讨论了当参数取不同值时fn(x)的均方收敛速度。该结果对密度估计工作有一定的推进。