最优化情况介紹

非线性规划非线性规划所研究的对象是要解决形如下述的问题: (1) min{F(x)|x∈R}这里的R表示R中的某一给定区域。F(x)称为(1)的目标函数,R称为它的可行区域。一般说来,R是由某些函数关系来定义的; R={x|x∈C,f(x)≤0,(?)t∈T,g_t(x)=0,(?)j∈K} 我们的目标就是要寻求一种(或多种)算法,使得可以通过这种算法,在R中得出一点x~0,使得 F(x~0)=min{F(x)|x∈R}x~0称为问题的最优解。这里就出现三个问题:(i)如何设计一个算法;(ii)如何判断所     

分布函数间几种散布序的关系

设 F是分布函数 ,对 α∈ (0 ,1 ) ,记 X+F (α) =sup{ x:F(x) <α} ,X-F (α) =inf{ x:F(x) >α} ,XF(α) =(X+F (α) +X-F (α) ) /2 .本文给出了分布函数 F和 G之间的一种散布序 ,记作 d≤ ,F d≤ G 0 <α<β<1 ,XF(β) - XF(α)≤ XG(β) - XG(α) .在一定的条件下 ,讨论了几种散布序 d≤ ,disp≤ ,d*≤ 的等价关系     

有限型条件的刻画

若自相似迭代函数系{φj}^mj=1（满足φj（x）=ρjRjx＋bj,bj∈R^d，其中0〈ρj〈1，Rj为d×d正交矩阵）关于不变开集Ω满足有限型条件，K是迭代函数系{φj}^mj=1生成的自相似集．但是，Ω与K的交集可能为空集．本文用构造方法证明存在一个不变开集U，使得U∩K≠φ，且迭代函数系{φj}^mj=1关于不变开集U也满足有限型条件．     

Banach空间中有限个一致L-李普希茨映象的强收敛定理

首先将序列{xn}的迭代定义为:x0∈K,xn+1=(1-α1n)xn+α1nTn1y1n,y1n=(1-α2n)xn+α2nTn2y2n,...,y(m-1)n=(1-αmn)xn+αmnTnmxn,其中{αin}满足一定的条件.若存在严格增加的函数:[0,∞)→[0,∞),且(0)=0,使得〈Tnix-x*,j(x-y)〉≤kn‖x-x*‖2-(‖x-x*‖),j(x-x*)∈J(x-x*),x∈K,i=1,2,...,m,那么{xn}强收敛到x*.x*是K中有限个一致L-李普希茨映象的公共不动点. K是Banach空间E的非空闭凸子集.     

某类柯西变换的罗朗系数性质

假设{Sj}q-1j=0是由压缩映射Sj(z)=εj ρ(z-εj)(1.1)组成的迭代函数系(IFS),其中0<ρ<ρq,εj=e2jπiq(ρq的定义见[1]),K是{sj}q-1j=0的吸引子,μ是支撑在K上的Hausdorff测度,最近,文[1]中讨论了自相似测度的柯西变换F(z)=∫K(z-w)-1dμ(w)在|z|>1内的罗朗系数.本文主要研究H(z)=∫K(λz-w)-1dμ(w)在|z|>1内的罗朗系数,其中|z|=1.得到了一些结果.     

生成函数的应用

在函数论、组合数学、解析数论等学科的研究领域中 ,一些恒等式的证明结果及证明方法极为重要。本文以生成函数为工具 ,讨论了生成函数方法的广泛应用。设 { An} (n=0 ,1 ,2… )是一待定数列 ,若能作出一个函数 F(x) ,使得 F(x)的展开式恰好是F(x) =A0 A1 x2 Anxn … ,则称函数 F(x)是数列 { An} (n=0 ,1 ,2… )的生成函数。相应地数列 { An}称为 F(x)的生成数列。一、幂级数作为生成函数最初应用幂级数作为生成函数的是欧拉 ,其后拉拉普斯曾广泛采用此方法。该方法主要是通过多项式或幂级数相乘方程中合并同类项 ,从而得到相关的结…     

一种非对称损失下分布函数的最优不变估计

给定来自一未知连续分布函数F的容量为n的子样x1,x2,…,xn,考虑分布函数F的不变估计问题.在非对称损失函数L(F(t),d(t))=b∫(exp{a[d(t)-F(t)]}-a[d(t)-F(t)]-1)dF(t)和单调变换群下得到F的最优不变估计为d(t,X)=∑ni=0ciI(x(i)≤t≤x(i 1)),其中ci=1/aln(∫01ti(1-t)n-idt)/(∫01exp{-at}ti(1-t)n-idt),a≠0,b>0.     

涉及二阶线性递归序列的两类多项式的因式分解

定义了与二阶线性递归序列{w_n}相关的序列{d_(i,j)}和{d_(i,j)},及与序列{w_n},{di,j}和{di,j}相关的多项式r_n(x),l_n(x),t_n(x)和t_n(x),根据{w_n}的递推关系和相关性质,研究了{d_(i,j)}和{d_(i,j)}的相关性质,得到了一系列关于l_n(x),t_n(x)和t_n(x)的多项式的因式分解.     

D_(λ)中的两个特殊分布类

前言 设{Xn}~∞_(n-1)是i、i、d随机变量列,F(x)为其公共分布函数,令Zn=max{Xi:1≤i≤n}易知有,P(Zn0,对非退化分布函数G(x)的一切连续点,有则称F(x)在G(x)的吸引场中,以F∈(G)记之。本文只涉及G(x)为λ(x)=e~(-e~(-x))的情形。 [1]表明,极值分布G(x)只有三种类型,对于λ(x)的吸引场问题,历史上展开过一些讨论,[3]与[4]解决了D(λ)中的分布F(x)所满足的具体形式,即取具体的充分必要条件是 且     

Banach空间中关于一致Lipschitzian映象的一个新结果

设E是一实Banach空间,K为E中的一非空闭凸子集,Ti:K→K,i=1,2,3为一致Lipschitzian连续映象.如果序列kn(∩)[1,∞),kn→1,{αn}、{βn}、{δn}∈[0,1],满足:(i)δn→1(n→∞);(ii)∑∞n=0αn=∞,∑∞n=0βn=∞;(iii)∑∞n=0α2n＜∞,∑∞n=0αnβn＜∞;(iv)∑∞n=0αn(kn-1)＜∞,对x0∈K,让{xn}满足以下迭代序列xn+1=(1-αn)xn+αnT n1ynyn=(1-βn)xn+βnT n2znzn=(1-δn)xn+δnT n3xn,如果存在严格增的函数φ:[0,∞)→[0,∞),φ(0)=0,使得对(A)j(x+y)∈J(x+y),x∈K(i=1,2,3)有〈T nix-x*,j(x-x*)〉≤kn||x-x*||-(ψ)(||x-x*||),则{xn}收敛于x*.文章主要结果推广了张石生教授最近文献[1,8]以及文献[6-7]等的主要结果.