块对称加速超松弛迭代法及其收敛性

给出了解线性代数方程组Ａｘ＝ｂ的一个新的迭代算法模型——块对称加速超松弛迭代法（ＢＳＡＯＲ迭代法），并在系数矩阵Ａ为块Ｈ－矩阵的条件下，证明了该模型的收敛性．在该模型中，对参数取特殊值可得到块对称Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代法和块对称ＳＯＲ迭代法等常用的块对称迭代算法，并且还可产生许多新的块对称迭代法．即事实上建立了块对称迭代法的一般性收敛理论．     

利用三阶正交矩阵提高雅可比方法的收敛速度

在实对称矩阵的特征值和特征向量的数值计算中，通过将雅可比方法中的正交相似变换矩阵中的一个参数的二阶正交矩阵改进成两个参数的三阶正交矩阵并利用相应的参数估计，可以大大提高收敛速度     

一种可用于线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法

讨论了迭代学习控制的基本概念,并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法.理论分析证明,这种控制算法对于跟踪重复运动的轨迹具有良好的效果.     

最优化问题广义投影下的广义次可行方向算法

利用广义投影技术和次可行方向法思想建立了非线性等式与不等式约束最优化问题的一个算法，它采用广义投影代替了传统的转轴运算，而且广义投影阵只由ε－积极约束函数的梯度产生，对于不等式约束的辅助优化问题，该算法是一个次可行方向类算法，称之为广义次可行方向法，算法在较弱的条件下具有全局收敛性。     

广义Cury线搜索下一种新共轭梯度法及其全局收敛性

本文对无约束最优化问题：ｍｉｎｆ（ｘ），ｘ∈Ｒｎ，提出一种新的共轭梯度法．该算法中参数βｋ采用一种新取法，并结合广义Ｃｕｒｙ线搜索及ｎ步重新开始策略．在关于目标函数较弱条件假设下，证明了所给算法的全局收敛性．     

S_2~1（△_（mn）~（2））插值样条函数的渐近展开

利用二元样条空间Ｓ_２~１（△_（ｍｎ）~（２））的Ｂ样条基，本文讨论了带适当边界条件的中心插值问题，首次获得了非来积型二元样条插值的误差渐近展开．进一步，在边界条件（Ｂ）下，得到了十分简洁的渐近展式和在特殊点上的超收敛结果．     

On Algebraic Differential Equations

研究了一般形式的代数微分方程的全纯解的增长性，并证明了几个有关定理。证明是根据一个关于Ｗｉｍａｎ－Ｖａｌｉｒｏｎ理论的定理     

一种指数型动态神经网络的定性分析

研究了由Ｔ．Ｄ．Ｃｈｉｕｃｈ和Ｒ．Ｍ．Ｇｏｏｄｍａｎ在１９８８年提出的指数型动态神经网络，给出了给定标准模式为该网络稳定点的一个简明的充分条件，并得到了这类稳定点的一步收敛半径。指出在概率意义下系统不存在伪稳态。     

关于收敛群的几条性质

得到了Ｒ＾ｎ上收敛群中元素的一些性质，利用这些性质证明了收敛群中某些子群的一些极大性质。