关于各种收敛性关系的若干反例及两个新的定理

主要研究了Lp（p≥1）空间中的强收敛（依范数收敛）、弱收敛与几乎处处收敛、依测度收敛、一致收敛之间的关系,并举出了若干反例;进一步对函数序列或测度空间作某些假设,得到了一些肯定的蕴涵关系与重要的结论.     

可积函数空间上两种收敛性的关系

可积函数空间Lp空间中的函数列{fn(x)}依测度收敛与依范数收敛的基本关系:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)ae于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

Lp空间上依测度收敛与依范数收敛的关系

Lp空间中的函数列{nf(x)}依测度收敛与依范数收敛的基本关系是:依范数收敛可推出依测度收敛,但逆命题不成立.本文在依测度收敛的基础上,加上必要的条件fn(x)≤fn 1(x)a.e于E且‖fn‖p→‖f‖p或为{f,f1,f2,…}为一致可积族,使得依测度收敛能够推出依范数收敛.     

统计收敛与超滤子收敛的关系

利用几何泛函分析和Banach空间理论,讨论了Banach空间中统计测度收敛与超滤子收敛的关系.通过给出的端点和超滤子之间的关系,证明了在Banach空间中,序列(xn)按超滤子U2N收敛等价于按x*∈ext B(l∞/c0)*()+所确定的统计测度收敛.     

模糊值函数序列的广义Egoroff定理

在一般模糊测度空间上, 针对可测模糊值函数序列给出了(伪)几乎处处收敛和(伪)几乎一致收敛的概念, 研究了几乎处处收敛和几乎一致收敛、伪几乎处处收敛和伪几乎一致收敛的蕴涵关系, 从而获得了不同形式的模糊化的广义Egoroff定理。     

再谈关于Lp〖KG-*3〗空间的几种收敛关系

讨论了Lp空间弱收敛、强收敛、几乎处处收敛、依测度收敛的相互转换关系，给出了证明，并通过举例的方式说明了一些定理的特殊情况.     

可积函数空间LP中的几种收敛性关系

文章对可积函数空间L~P中强收敛、弱收敛和依测度收敛几种收敛的定义和性质进行归纳和总结,讨论他们之间的关系,并给出了相应结果的证明,从而使各种收敛关系更加明晰和透彻。     

完全收敛与完全测度收敛

文章主要讨论完全收敛、完全测度收敛与可测函数列的依测度收敛、几乎处处收敛、近乎一致收敛等之间的关系,同时还讨论了它们的一些性质。     

完全收敛性与可测函数序列几种收敛性的关系

本文讨论了完全收敛性与可测函数序列依测度收敛、几乎处处收敛以及强收敛之间的等价关系,并且给出了依测度收敛、几乎处处收敛与完全收敛之间等价的充分必要条件,即fn(x)单调增加,并且(An)两两不相交,其中An=[|fn-f|≥ε],ε>0。     

Fuzzy测度序列的收敛性和积分序列的收敛定理

本文在Sugeno的Fuzzy测度和Puzzy积分意义下,给出了Puzzy测度序列的几种收敛定义,其中包括收敛、一致收敛、弱收敛、α-几乎处处收敛、依α-测度收敛及α-平均收敛,同时讨论了它们之间的关系,最后,推广了Fadou引理与Lebesgue收敛定理。     

ARCH（∞）模型加权和序列的渐近收敛性

本文在ARCH（∞）模型具有的平稳性的基础上,证明了其加权和序列几乎处处收敛,且均方收敛于同一极限．     

非劣解变异蛙跳算法

针对基本蛙跳算法搜索速度和精度不高的缺点,将变异的思路融入基本蛙跳算法,提出了一种非劣解变异蛙跳算法.算法充分利用蛙群的群体信息,对青蛙子族群中的若干非劣解结合自身信息和群体信息进行变异,避免了算法陷入局部最优,并大幅度提高了算法的搜索速度.实验表明,改进后的算法收敛速度以及收敛精度方面都比基本蛙跳算法有了很大程度的提高,同时,该算法与相关文献中的算法进行比较发现,其性能有较大的提高.     

小波级数的部分和在勒贝格点处的收敛性与收敛速度

本文研究f∈L2（）的小波级数的部分和在勒贝格点处的收敛性.通过对勒贝格点的研究,建立小波级数的部分和在勒贝格点处的收敛性,同时给出其收敛的精确速度.     

不同分布~h混合序列加权和的完全收敛性和强收敛性

在不同分布的情况下,讨论（~）φ混合序列加权和的完全收敛性和强收敛性,给出其收敛的新判据,推广了Stout和Thrum定理.     

空间分数阶Edwards-Wilkinson方程的显式差分近似

考虑一种空间分数阶Edwards-Wilkinson方程,这个方程是将一般的空间二阶导数用α(1<α≤2)阶导数代替.利用G算法对空间二阶导数进行离散,构建了空间分数阶Edwards-Wilkinson方程的显式有限差分格式,并证明了此差分格式是无条件稳定和收敛的,且具有o(τ)+o(h)收敛阶.     

一类复合Poisson过程的大偏差原理

研究这样一类复合Poisson过程:S(t)=∑(h(t-Si)Xi)from(i=1 to N(t)),其中N(t)(t>0)是强度为λ>0的齐次Poisson过程,Xi(i≥1)是独立同分布非负随机变量序列,独立于N(t),h(t)(t>0),是非负单调实函数.得到了关于S(t)的大偏差原理和弱收敛.     

一类修正的FR算法及其全局收敛性

基于喻（2006）提出的修正PRP算法,给出一类修正的FR算法.该算法的优点是：（1）在无需线性搜索的条件下,迭代方向就是充分下降方向;（2）在比喻（2006）的算法更弱的条件下,分析了算法的全局收敛性.     

新Armijo线搜索下的FR共轭梯度法及其收敛性

描述了一种在新Armijo线搜索下的Fletcher-Revees(FR)共轭梯度法,并分析了其收敛性,从理论上证明了借助新的Armijo线搜索,FR共轭梯度法不仅可保证在每步迭代中都容易找出步长,而且可保证全局收敛性.     

高维小波框架级数在L^2（R^d）中的一致收敛性

讨论了在多元情况下,利用对偶小波框架理论,对任意函数∫∈L^2（R^d）可将其展开成一小波框架级数,进一步研究该级数的一致收敛问题,从而在某些条件下可用该级数∫,（x）很好的逼近∫,