量子代数A_n（q_1,…,q_n,K）的强既约Groebner基

对于量子代数An（q1,…,qn,K）的左理想引入了强既约Groebner基,证明了这种基的存在性与惟一性,并给出了构造一个强既约Groebner基的算法。     

乘法算子的Herz型Sobolev范数估计

文章给出了乘法算子的Herz型Sobolev范数的估计。证明中使用了已有的Herz型空间的一些性质和对偶空间的性质。证明是在等价范数的意义下进行的，通过对乘法算子进行分解，研究了乘法算子的Herz型Sobolev范数的一种估计。     

L~q-Dini型核(1<q<∞)奇异积分算子交换子的端点估计

主要证明了具有Lq-Dini型核(1q∞)的奇异积分算子交换子[b,T]满足如下不等式:|{x∈Rn:|[b,T]f(x)|λ}|≤C‖b‖BMO∫Rn|f(λx)|(1+log+|f(λx)|)dx.     

集值算子最小、最大拟不动点对的存在定理

讨论了可表示成两个算子积形式的集值算子最小，最大拟不动点对的存在性及其迭代逼近，改进了ＣｈａｎｇＳｈｉｓｈｅｎｇ（１９９１）文中已知的结果．     

Bernstein-Kantorovich算子线性组合同时逼近的点态估计

借助于Ditzian-Totik光滑模ωψλr(f,t)(0≤λ≤1)给出了Bernstein-Kantorovich算子线性组合同时逼近的点态估计.     

Banach空间无界控制算子的容许性

本文讨论了由ｘ’（ｔ）＝Ａｘ（ｔ）＋Ｂｕ（ｔ）描述的线性系统，当Ａ在非自反Ｂａｎａｃｈ空间上生成半群和Ｂ－为一无界算子时，Ｂ是可容的充分必要条件。     

Induced and heavy aggregation operators with distance measures

This paper introduces a new aggregation model by using induced and heavy aggregation operators in distances measures such as the Hamming distance. It is called the induced heavy ordered weighted averaging (OWA) distance (IHOWAD) operator. This paper studies some of its main properties and a wide range of particular cases such as the induced heavy OWA (IHOWA) operator, the induced OWA distance (IOWAD) operator and the heavy OWA distance (HOWAD) operator. This approach is generalized by using generalized and quasi-arithmetic means obtaining the induced generalized IHOWAD (IGHOWAD) operator and the Quasi-IHOWAD operator. An application of the new approach in a decision making problem regarding the selection of strategies is developed.     

广义实型密度加权平均中间算子及应用

针对普遍存在的向量、矩阵等多维的数据形式,将面向点值的密度加权平均中间(DWA)算子拓展为广义实型密度加权平均中间(GR-DWA)算子.给出了通用的数据元素聚类过程,该过程能够对点、向量、矩阵等3种类型的数据进行有效分组.研究了一种兼顾"规模"与"功能"信息的密度加权向量设置方法,并给出了3种参数确定思路,以支持主观、客观或主客观结合等多种决策方式.定义广义实型密度算术平均(GR-DWAAA)算子,并探讨了GR-DWA算子在多属性群决策中的多种运用途径.最后,给出了GR-DWAAA算子处理多属性群决策问题的一个应用算例,算例的结果验证了算子的有效性.     

广义Kato型算子及具有广义

给出了广义Kato型算子的定义, 并根据广义Kato型算子的性质定义了算子的一种新谱, 通过该谱给出了Hilbert空间上有界线性算子满足广义(ω)性质的充要条件, 并得到了Hilbert空间上有界线性算子在有限秩算子和幂有限秩算子摄动下满足广义(ω)性质的充要条件.     

基于改进粒子群算法的云计算任务调度策略

云计算环境下的任务调度方法是实现其高效计算的关键步骤,文章针对目前其时间效率低下的问题提出了一种基于改进的粒子群算法的任务调度方法,利用迭代选择算子引入粒子群来完成任务调度的优化。改进的粒子群算法(Improved particle swarm optimization,IPSO),提高了算法的优化能力,尽量避免陷入局部最优,收敛的效果更好从而减少任务调度时间开销。选择CloudSim仿真平台进行模拟,实验结果表明,该改进算法具有寻优能力强、时间耗时少的优点,可用于云计算问题中复杂调度优化的研究与应用。