以Winer过程为驱动的Ito-Volterra型随机微分方程的数值解

给出了Rung-kutta方法的迭代格式并讨论了其收敛性.在讨论Rung-kutta格式的收敛性时,先研究了Eu ler格式的收敛性,再通过对两种格式近似解之间的误差估计得到Rung-kutta格式的收敛性,避免了直接讨论Rung-kutta格式的收敛性。     

关于FR方法与PRP方法收敛性定理的注记

对FR方法Al Baali收敛性定理及PRP方法Polak Ribiere收敛性定理进行了推广 .     

关于两个随机变量序列共同收敛性的一个充分条件

本文简要的论证了在一定的条件下一个随机变量序列的某种收敛性可以由另一个随机变量序列的这种收敛性得到,从而为判断一个随机变量序列的这种收敛性提供了一种较为简便的方法。     

求解随机二阶锥线性互补问题的一种光滑化SAA方法

研究了随机二阶锥线性互补问题的收敛性问题并基于收敛性分析进行了数值实验.文章利用Chen-Harker-Kanzow-Smale(CHKS)光滑函数和SAA方法,提出了求解随机二阶锥线性互补问题的光滑化SAA方法.基于P性质,建立了收敛性分析,然后通过数值实验验证了算法的有效性.     

一类二阶泛函微分方程初值问题解的收敛性

利用拟线性化方法,讨论了Banach空间中一类二阶泛函微分方程初值问题解的收敛性,获得了解的平方收敛性结果.     

Newton法与DFP法的组合方法

本文提出了适合于求解目标函数Hessian矩阵不正定或病态等实际问题的Newton法与DFP方法的组合方法,并证明了该方法具有二次收敛性和全局收敛性     

TOR方法的收敛性

研究了系数矩阵为广义正定矩阵时TOR方法的收敛性，并进一步得到了系数矩阵为一般稳定矩阵时TOR方法的收敛性．     

集值微分方程初值问题的拟线性化方法

利用拟线性化方法研究了一阶集值微分方程初值问题,构造了2个单调序列,获得了解的一致收敛性和平方收敛性结果.     

解约束优化问题的一个新方法

本文用 Lagrange 函数作为下降函数,给出了求解一般约束优化问题的一个SQP 方法,在一定的假设条件下证明了该方法具有全局收敛性和局部超线性收敛性.     

自适应搜索的免疫粒子群算法全局收敛性分析

算法的收敛性分析,不仅对算法提供了理论支持,而且能够提高算法的实际应用效率.在随机搜索算法的基础上给出一些粒子群算法收敛性的证明方法,并且修正了一篇论文中两个不正确的收敛性证明.而且将粒子群算法的收敛性证明扩展到免疫粒子群算法中,证明了由张超等人提出的基于自适应搜索的免疫粒子群算法的收敛性,对于以后免疫粒子群算法的改进和使用有很大的帮助.     

线性方程组迭代解法平均收敛速度收敛阶的定量估计

由迭代法平均收敛速度与渐进收敛速度的关系引入近似估计法,即通过对迭代平均收敛速度取对数,然后使用数值拟合软件CurveExport1.3给出拟合函数,最终得到了Jacobi迭代法和Gauss-seidel法平均收敛速度收敛到渐进收敛速度的近似收敛阶,且该法适用于其他迭代法平均收敛速度的估计。     

非线性方程求根迭代法收敛速度的数值估计

文章由迭代法收敛阶定义引出了收敛阶近似估计法,即通过对迭代偏差值取对数,然后使用数值拟合软件CurveExport1.3得到了拟合函数,最终得到了一般迭代法及newton法和割线法的近似收敛阶,与经典收敛阶结论一致,且该法适用于其他迭代法收敛速度的估计.     

迭代法收敛速度的比较

在全面介绍迭代法的收敛性的基础上，介绍了牛顿迭代法的收敛性和弦截性的收敛法，并对基本迭代法、牛顿迭代法和弦截法的收敛速度进行了比较，经比较看出，同样的问题，弦截法的收敛速度比一般迭代法要快得多，与牛顿迭代速度相近，也是比较快的。最后指出，在以电子计算机为数值计算工具的今天，必须研究适合于计算机运算的数值计算方法的收敛速度。收敛速度的快与慢，是评判谊种收敛法适用与否的一项重要指标。因此用何种方法来解决实际应用问题显得尤为重要。     

最速下降法和共轭梯度的混合算法及全局收敛

将最速下降法与共轭梯度法有机结合起来,构造出一种混合优化算法,并证明其全局收敛性.这种混合优化算法结合了共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了目标函数的等值线是扁长椭球时,最速下降法下降缓慢的问题,具有收敛速度快、收敛范围大、适应面广等特点.文中的算法实例表明,混合算法与单纯的共轭梯度法相比,效果更优.     

正项级数收敛性的又一新判别法

近年来,关于正项级数收敛性判别法又有一些新的研究,其中主要是得到了一些关于收敛性的新判别法以及对有关判别法的强弱进行了讨论.本文建立了正项级数收敛性的又一个新判别法,它适用判别与级数∑∞n=21n(lnn)s敛散速度相当的正项级数的敛散性,因而新判别法比传统的Raabe判别法等更为精细.此外,通过与Gauss判别法进行比较,得出了新判别法强于Gauss判别法的结论.     

一类规则缺项幂级数的收敛性讨论

由求一般的幂级数收敛半径的方法给出了求一类规则缺项幂级数收敛半径的新方法，同时，根据一般的幂级数在其收敛区间端点的收敛情况，还给出了求缺项幂级收敛区间的简单方法．     

关于含参量广义积分一致收敛性的教学研究

对含参量广义积分的一致收敛性给予讨论,从一致收敛的定义出发给出一致收敛的充要条件,以及判断一致收敛的柯西判别法、微分法和级数判别法,并给出证明和运用实例.     

基于共轭梯度法和最速下降法的非线性测量数据处理

将共轭梯度法与最速下降法有机结合起来，构造出一种解决非线性测量数据处理问题的新方法——混合算法。这种方法充分利用了共轭梯度法和最速下降法良好的收敛优点，既提高了共轭梯度算法的收敛速度，又解决了目标函数“性态不优”时，最速下降法难以解决的问题。文中的算例结果表明，混合算法与单纯的共轭梯度法或最速下降法相比，具有收敛速度快、收敛范围大、适应面宽等特点。     

HS与PR共轭梯度算法的整体收敛性

研究共轭梯度算法的整体收敛性,在放宽了的强Ｗｏｌｆｅ搜索（１８）、（１９）下证明了［１］中提出的修正ＨＳ共轭梯度算法的收敛性,在充分下降性条件下,βｋ＝ｍａｘβＨＳｋ,０｛｝时也具有整体收敛性,同时,βｋ＝ｍａｘ０,βＰＲｋ｛｝时,利用Ａｒｍｉｊｏ搜索和Ｇｏｌｄｓｔｅｉｎ搜索的共轭梯度法也具有整体收敛性．     

关于拟牛顿法求解等式约束优化问题的超线性收敛条件

拟牛顿法是求解约束优化问题的有效方法之一,许多作者在理论上讨论了此类算法的全局收敛性和收敛速度,但关于收敛速度的条件讨论较少．Ｂｏｇｇｓ等人给出了一个拟牛顿方法求解等式约束优化问题的超线性收敛的充要条件,但假设条件较强．本文利用分析和代数的技巧,在较弱的条件下证明了该算法的超线性收敛的充要条件仍然成立．