可分凸二次规划的不可行内点算法

给出了可分凸二次规划的不可行内点算法,并证明了该算法在Ｏ（ｎ＾２Ｌ次迭代之后,或收敛到问题的一个近似最优解,或说明该问题在某个较大区域内无最优解。     

工序问题的动态规划算法

提出了一个求解工序问题的动态规划算法，该算法排序含ｎ个工件集合的期望时间为Ｏ（ｎ）．     

凸规划的一个内点算法

对于含线性约束的凸规划问题，本文给出了一个内点算法，并且证明了算法经过Ｏ（ｎ￣（０．５）｜ｌｎε｜）步迭代后，原始一对偶间隙必小于ε，整个算法的复杂度为Ｏ（ｎ￣（３．５）｜ｌｎε｜）．特别的，如果目标函数为凸二次函数或者线性函数，则得到相应的多项式算法，其算法复杂度为Ｏ（ｎ￣（３．５）Ｌ），其中Ｌ为相应问题的输入长度．ε取做２￣（－Ｌ）．     

有限资源最佳分配的分布式算法

对（ｍ，ｎ）资源分配问题建立数学模型，提出了解决该问题的两个分布式算法，算法所需处理机的数目仅为Ｏ（ｍ），时间复杂度为Ｏ（ｎ）．     

二维数组的快速排序算法

在一维数组快速排序算法的基础上，给出了二维数组的快速排序算法，理论分析和大量的数值实验结果表明，其算法的平均计算时间仍然是Ｏ（ｎｌｏｇ２ｎ），一般所需的栈空间仍为Ｏ（ｌｏｇ２ｎ），是有效而可靠的快速排序算法。     

凸二次规划的Predictor—Corrector算法

考虑凸二次规划问题，给出了一个新的算法，证明了算法的迭代不数至多的Ｏ（√ｎＬ）。     

逻辑堆与树排序

树排序算法是堆排序算法的变体，本文给出了逻辑堆的结构并将其应用于树排序算法中使得树排序算法的最坏复杂度由原来的４ｎｌｏｇｎ＋Ｏ（ｎ）降低到２ｎｌｏｇｎ＋Ｏ（ｎｌｏｇｌｏｇｎ）＋Ｏ（ｎ），接近于最优堆排序算法（复杂度为ｎｌｏｇｎ＋ｎｌｏｇｌｏｇｎ＋Ｏ（ｎ），并且对几乎已有序的输入，算法的复杂度为Ｏ（ｎｌｏｇｌｏｇｎ），这在ｎ＜２１８的实际应用中基本保持了原树排序算法的优势．     

二次规划的Q－平方收敛算法

本文提出一个解二次规划的修正步长牛顿法，它保证迭代点列在严格可行解集内。并且保持牛顿法的Ｑ－平方收敛速度，每步的计算量为Ｏ（ｎ￣（２．５））个运算。     

求解货郎担问题的几何算法

提出了求解货郎担问题的一种几何算法，它的时间复性为：Ｏ（ｎ＾３／ｍ）次比较，Ｏ（ｎ＾２）次求距离运算与Ｏ（ｎ＾３／ｍ＾３）次加法运算，其中ｎ，ｍ分别为点集的点数和凸包顶点数。     

具有二阶细焦点的二次系统的定性研究

讨论了二次系统（Ⅱ）δ＝０具有二阶细焦点的条件，并对ｎ＝０时以原点Ｏ（０，０）为二阶细焦点的二次系统（Ⅱ）δ＝０作了全局分析。     

经济的耐腐蚀泵的综合设计

本文探讨了水泵的腐蚀机理,在分析调研、试验的基础上,对经济的耐腐蚀泵的可靠性进行了深入的研究,提出了经济的耐腐蚀泵的综合设计。     

求解大型线性规划的无约束化方法

在本文中,基于对偶理论,把线性规划变成了求解一个凸函数的无约束极小化问题。然后利用共轭梯度法求解该问题,在这个共轭梯度法中,采用了一个非常有效的一维搜索技术。理论分析和数值实验表明在一般条件下,该方法仅需要O(n)次迭代。这里n是变量个数。     

单调线性互补问题基于新的核函数的大步校正内点算法

提出了单调线性互补问题基于新的核函数的大步校正内点算法.这个核函数是强凸的,而且它既不是自正则函数也不是经典的对数函数.基于这个核函数,可以定义新的迭代方向和邻近度量.利用这个新的核函数的一些性质,得到新算法的迭代复杂性为O（√n（logn）^2log（n/ε））,这减少了大步校正原始-对偶内点算法的实际计算效果与理论复杂性之间的差距.     

在MIMD－CREW模型上确定凸多边形可碰撞区域的并行算法

设Ｐ和Ｑ是平面内任意两个互不相交的凸多边形，目前确定Ｐ与Ｑ的可碰撞区域的最佳串行算法时间复杂度为Ｏ（ｎ＋ｍ），其中ｎ和ｍ分别为凸多边形Ｐ和Ｑ的顶点个数．在该算法的基础上构造了一个易于并行化的求支撑点的串行算法，进而给出了在ＭＩＭＤ－ＣＲＥＷ模型上确定可碰撞区域的并行算法，其时间复杂度为Ｏ（（Ｓ＋ｌｏｇ＿２（ｎ＋ｍ））ｌｏｇ＿２（ｎ＋ｍ）／ｌｏｇ＿２Ｓ），其中Ｓ为处理机个数     

凸二次规划基于新的核函数的大步校正原始-对偶内点算法

本文对凸二次规划提出了一种基于新的核函数的大步校正原始-对偶内点算法．这种核函数构造新的障碍函数不仅可以定义新的搜索方向，而且可以控制内迭代的过程，使得对凸二次规划提出的大步校正原始-对偶内点算法的多项式复杂性阶改善到O（√n（logn）2log（n／ε）），优于基于经典对数障碍函数的相应算法的复杂性阶．     

凸二次优化问题基于有限核函数的新内点算法

本文给出了凸二次优化问题基于一类有限核函数的新的大步校正内点算法.这些核函数是一类相当广泛的函数,它的主要特征是非自正则的,而且在其可行域边界上的值是有限的.利用类似于线性规划的相应算法的分析方法,证明了新算法具有目前最好的大步校正算法的迭代复杂性,即O（√nlognlog（n/ε））.     

求解线性规划问题的单纯形“双进基”法

该文对线性规划问题中的单纯形法作了另一种改进，得到一种每次迭代两个非基变量“进基”，两个基变量“离基”的双进基法．其结果能用矩阵表示，迭代的步骤也并不比单纯形法复杂，但其迭代的次数要比单纯形法减少一半，如果一个线性规划用“单进基”法要迭代２ｎ次（２ｎ＋１次），那么，用“双进基”法只须迭代ｎ次（ｎ＋１次），从而加快了收敛于最优解的速度．     

关于非扩展映象的弱收敛定理

首先讨论一个由非扩展映象的有限族所定义的迭代格式,主要证明了:设E为满足Opial条件的一致凸的Banach空间,C是E的非空间凸子集,Fi:C→C(i=1,2,…,r)为有限非扩展映象,且∩ri=1 F(Ti)非空,设x1∈C,迭代地定义序列{xn}如下:xn+1=Wnxn,(V)n≥1.其中Wn(n=1,2,…)为由T1,T2,…,Tr生成的W-映象.则{xn}弱收敛于T1,T2,…,Tr的共同不动点.     

一种改进的求解含等式约束凸二次规划问题的Lemke算法

通过对经典的Lemke互补转轴算法求解含有等式约束的凸二次规划问题的分析,发现所得到的线性互补问题(LCP)可能是退化的.由Lemke算法求解(LCP)问题的迭代过程,通过六个命题说明了含有等式约束的凸二次规划问题对应的(LCP)问题退化的原因,并对经典的Lemke算法的迭代过程进行修正,提出了一种改进的Lemke算法,这种算法能有效地搜索到含等式约束凸二次规划问题的最优解.