Assembly—Like排队系统的强逼近

本文利用概率论强逼近理论,较为详细地研究了Assembly-Like排队系统。在各种负荷条件下得到了虚等待时间、队长等排队指标的强逼近定理,并给出了嵌入排队中诸指标的强逼近定理。     

多服务员串联排队的强逼近

近年来,多服务员排队常用来为大型电话中心网络建模,以便分析其动态行为．笔者研究了一个多服务员串联排队系统,并假设到达过程为更新过程,服务时间独立同分布．利用随机过程极限,在服务强度大于等于1的条件下,得到了队长过程和加权闲期过程的强逼近,从而也将原离散的排队系统近似到一个连续的布朗运动过程,为该系统的进一步分析提供了理论基础．     

2—赋范空间中点列的强收敛与弱收敛

本文引进了2—赋范空间中点列的强收敛,弱收敛与一致凸的2—赋范空间等概念,得到了强收敛与弱收敛的基本性质及它们的关系。最后给出了一致凸的2—赋范空间的一个充分必要条件。     

随机环境SMDP的弱收敛逼近

在随机环境半马氏决策过程的计算方法中,直接从最优方程求最优策略或求ε最优值函数都会遇到困难,本文讨论的弱收敛逼近提供解决这类问题近似计算的一种方法     

n-Banach空间中点列的强收敛与弱收敛

在文献[1]的基础上,将2-赋范空间中强收敛与弱收敛的相关结果推广到了n-Banach空间中.首先,在n-赋范空间中引进了点列的弱收敛,一致凸与凸性模等概念,得到了n-Banach空间中强收敛与弱收敛的基本性质.其次,讨论了n-Banach空间中强收敛与弱收敛之间的关系.最后,给出了n-Banach空间成为一致凸空间的两个充要条件.     

随机环境SMDP的弱收敛逼近

在随机环境半马氏决策过程的计算方法中，直接从最优方程求最优策略或求ε最优值函数都会遇到困难，本文讨论的弱收敛逼近提供解决这类问题近似计算的一种方法。     

空间L~p(Ω)中强收敛和弱收敛的一些判别方法

考虑勒贝格控制收敛定理的应用和强收敛的充分必要条件问题,运用由勒贝格控制收敛定理导出的近代新结果,对一些古典结果的证明方法给予了新的简化处理,给出了强收敛的充分必要条件判别定理.     

序列弱收敛的特征

本文在Schauder基存在的假设下,讨论了Banach空间中序列弱收敛的性质,自反Banach空间中序列弱收敛的等价条件,给出了Banach空间中序列弱收敛与强收敛等价的一个充分条件。     

随机概率测度的弱收敛

给出了随机概率测度几乎处处弱收敛的定义及等价表示,指出了在不同拓扑下弱收敛的相互关系     

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。     

有关非扩张映射的带误差的迭代收敛定理

讨论了3个非扩张映射的带误差的迭代格式,在一致凸Banach空间中,在比紧性弱的条件下,通过这种格式,强弱收敛到3个非扩张映射的公共不动点.     

排队系统中等待时间分布的一种数值近似方法

文章结合GI/G／1排队系统中等待时间分布的Lindley积分方程，给出了一种计算等待时间分布的数值近似方法，并通过三种经典排队模型对此方法进行了检验。结果表明此方法在交通强度较小的情况下具有很好的收敛性，且操作简单、快捷、易于实现。     

改进的超梯度算法在无穷维Hilbert空间强收敛

许多算法被提出用来解决变分不等式问题,其中最简单的是G.M.Korpelevich(Matecon,1976,12:747-756.)超梯度算法.此算法被许多学者所改进.其中文献(Y.J.Wang,N.H.Xiu,J.Z.Zhang.J Optim Theory Appl,2003,119:167-168.)改进的超梯...     

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.     

PA列部分和的强收敛性

研究了PA列部分和的强收敛性,推广了关于独立随机变量情形时的相应结果.     

再论线性模型参数M估计的强收敛速度

研究线性模型中回归参数M估计的强收敛性，与专著[1]中相应结果比较，我们在较弱的条件下获得了相应的结论。     

非参数回归函数YANG估计量的一致强收敛速度

本文中，我们给出了非参数回归函数ｍ（ｘ）＝Ｅ（Ｙ／Ｘ＝ｘ）Ｙａｎｇ估计量的一般形式：下的一致强收敛速度，得到了相当的结果。     

B值鞅的强收敛性

在ｐ－光滑的Ｂａｎａｃｈ空间中,我们讨论了Ｂ值鞅差序列非随机足标与随机足标和的完全收敛性．这些结果推广了白志东与苏淳［２］关于ｉｄ实值变量序列及林正炎［３］关于实值平稳鞅差序列的相应结果．作为推论,得到了Ｂ值鞅差序列的Ｍａｒｃｉｎｋｉｅｗｉｃｚ强大数定律．     

门限自回归模型参数估计的强收敛速度

对门限自回归模型在给定阶数、门限及延迟参数的假定下，继讨论了其参数估计的强相容性后，本文进一步得到了此估计的强收敛速度。