连续参数集值鞅正则与收敛关系定理

给出了连续参数集值鞅的几种收敛定义．利用连续参数集值鞅正则性与收敛性的基本结果，给出了连续参数集值正则鞅与集值鞅收敛的几个关系定理，即在一定条件下，连续参数集值正则鞅具有某种收敛性；在一定条件下，具有某种收敛性的连续参数集值鞅是集值正则鞅．     

非凸集值上鞅的收敛性

研究了非凸集值上鞅的收敛性.在supnE(d(0,Fn))< ∞的条件下,利用"截尾法"给出了非凸集值上鞅在Kuratowski收敛意义下的收敛定理.同时,研究了单调递增σ 域条件期望在K M意义下的收敛性.     

集值逆Superpramart的逆上鞅逼近

假定(X,‖.‖)为实可分的Banach空间,X*为其对偶空间,(Ω,A,P)为完备的概率空间,{Bn,n≤-1}为上升子σ-域族.讨论了随机集族本性上确界的性质,给出了集值逆Superpramart的逆上鞅逼近及集值逆上鞅在Kuratowski意义下的收敛定理.以此为基础,利用支撑函数证明了集值逆Superpramart在Kuratowski意义与Kuratowski-Mosco意义下的收敛定理,解决了集值逆Superpramart的收敛性问题.     

集值序下鞅的选择与表示定理

首先给出了实值下(上)鞅的集值版本——集值序下(上)鞅的定义．然后研究了离散参数集值序下鞅的选择与表示定理,并给出了连续参数集值序下鞅的选择与表示定理．     

连续参数集值鞅的充要条件及鞅选择定理

给出了连续参数集值鞅的几个充要条件，并给出了连续参数集值鞅的鞅选择定理及表示定理．     

关于集值Superpramart的一些结果

给出了集值Superpramart在Kuratowski意义及Wijsman意义下的收敛定理，同时证明了集值条件期望在Kuratowski-Mosco意义下的Levy连续性定理。     

集值Pramart的Riesz逼近

设（X,‖·‖）为可分的Banach空间, X^*为其对偶空间, X^*可分, (Ω,B,P)为完备的概率空间, {B_n,n≥1}为B的上升子σ域族, 且B=∨B_n. 在X^*可分的条件下给出了集值Pramart的鞅逼近, 并在此基础上证明了集值Subpramart在弱收敛意义下的收敛定理及Pramart在Kuratowski Mosco收敛意义下的收敛定理.     

集值极限鞅的Riesz逼近及其收敛性

假设（X,||·||）为可分的Banach空间, X^*为其对偶空间. 设(Ω,B,P)为完备的概率空间, {B_n, n≥1}为B的上升子σ-域族, 且B=∨B_n. 证明了集值极限鞅的Riesz逼近定理, 并在此基础上, 给出了集值极 限鞅在Kuratowski Mosco收敛意义、 Kuratowski收敛意义及弱收敛意义下的收敛定理.     

连续参数集值下鞅的收敛定理

首先给出了连续参数集值下鞅的定义．继而证明了连续参数集值下鞅的三个等价定理：（ａ）Ｌ１ｗｋｃ（Ｘ）值下鞅等价于任给τ１＜τ２,τ１,τ２∈Ｔ,∫ΩＦτ１ｄＰ∫ΩＦτ２ｄＰ;（ｂ）Ｌ１ｆｃ（Ｘ）值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ｓ１Ｆｓ（Ｆｓ）ｃｌ｛Ｅ（ｇ｜Ｆｓ）,ｇ∈Ｓ１Ｆｔ（Ｆｔ）｝;（ｃ）Ｘ可分时,闭凸集值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ａ∈Ｆｓ,ｃｌ∫ＡＦｓｄＰｃｌ∫ＡＦｔｄＰ．最后给出了弱紧凸集值随机集族的弱收敛定理和Ｘ有ＲＮＰ,Ｘ可分时闭凸集值右连续下鞅的弱收敛定理．     

连续参数集值拟鞅及Rao分解

给出了连续参数集值拟鞅的定义及连续参数集值拟鞅与实值拟鞅之间关系，并给出了连续参数集值拟鞅的Ｒａｏ分解定理     

集值下鞅的收敛性与Riesz分解

假定（X,·）为可分的Banach空间, X^*为其对偶空间, X^*可分. 设(Ω,B,P)为完备的概率空间, {B_n, n≥1}为B_n的上升子σ域族, 且B=∨B_n, 首先研究了支撑函数的几个性质, 利用支撑函数及实值鞅（上鞅、 下鞅）的收敛定理与Riesz分解定理, 证明了集值下鞅在弱收敛意义下的收敛定理, 在此基础上, 给出集值下鞅可Riesz分 解的一个充要条件.     

弱集值渐近鞅的收敛定理

为了得到关于弱集值渐近鞅的收敛性质,首先证明了支撑数列的极限亦为一支撑函数,利用支撑函数的性质以及 值鞅的Doob停止定理,证明得到了两个结论：（1）在一定条件下,弱值值渐近鞅存在无限逼近的闭凸集值鞅;（2）在弱收敛意义下,弱值值渐近鞅收敛的两个等价条件。     

集值优化问题严有效点集的次微分稳定性

在锥序Banach向量空间引入了集值映射次微分(次梯度),在一定的条件下,证明次微分(次梯度)的存在性及它的一些性质;得到了集值优化问题严有效点集在次微分意义下的稳定性.     

广义凸集值向量优化问题的弱有效解

在序线性拓扑空间中定义了广义凸集值映射．引进了相对内部．应用凸集分离定理建立了一个广义凸集值映射的择一性定理．运用此定理获得了弱有效解意义下的集值向量优化问题的最优性条件．     

集值映射的广义梯度与超有效解

在锥序Banach空间中引入了一类集值映射的广义梯度,在一定条件下通过凸集分离定理证明了此广义梯度的存在性; 并给出集值优化问题的超有效解在广义梯度下的最优条件.     

用广义梯度刻画集值优化的强有效解

在锥序Banach空间中利用集值映射的上图导数引进了强有效意义下的广义梯度,在下C-半连续条件下,利用凸集分离定理证明了该广义梯度的存在性,由此建立了集值向量优化问题强有效解在广义梯度下的最优性条件.     

集值映射的弱有效广义梯度

在锥序Banach空间中,对于集值优化问题(SOP),利用contingent上图切导数,引进了集值映射弱有效意义下的广义梯度;在集值映射具有连通性条件下,利用凸集分离定理证明了集值映射弱有效广义梯度的存在性,由此建立了集值映射优化问题弱有效解在广义梯度下的最优性条件.     

集值函数关于模糊测度Choquet积分的表示和积分原函数性质

研究了集值函数关于模糊测度Choquet积分的分析性质: 讨论了集值函数Choquet积分的计算方法, 给出了集值函数Choquet积分的表示定理和Radon-Nikodym性质, 并且对集值函数Choquet积分的原函数进行了刻划。最后, 对集值函数关于模糊测度Choquet积分定义进行了改进, 提出了集值函数 “上方函数” 和 “下方函数” 概念, 实现了对集值函数关于模糊测度的Choquet积分的控制。     

可测集值映射的Egorov定理

讨论了取值可分自反Banach空间中可测集值映射序列的Egorov型收敛定理,在几种不同拓扑收敛意义下,刻画了可测集值映射序列的几乎处处收敛.