P-J型最优服务排序问题的推广

对于P-J型的最优服务排序问题,作者已经给出了其最优排序方法。本文将给出比P-J型排序问题更一般的排序方法。为方便起见,本文所采用的有关符号与文献[1]同。我们假定有K个服务单位{P_1,P_2,…,P_k}=P。其中每个P_i(i=1,2,…,K)又有m_i个服     

关于路图P_3(G)的Hamilton性的两个结果

“路图”是线图概念的发展.给定一个图G及自然数k≥2,路图P_k(G)的顶点是G中k个顶点的路P_k;两条路P_k在路图中是相邻的,如果它们的并是P_(k+1)或C_k.为     

关于相邻两素数之差

设P_k表示第k个素数,记d_k=P_(k+1)-P_k为相邻两素数之差.Cramer利用Riemann猜想证明了     

非负整值随机变量序列的一类强律

设{X_n,n≥1}是一列在S={0,1,2,…}中取值的随机变量,其分布为f(x_1,…,x_n)=P(X_1=x_1,…,X_n=x_n)>0,x_k∈S,1≤k≤n.(1)易知{X_n,n≥1}独立同分布的充要条件是存在S上的分布(p(0),p(1),…),P(i)>0,i∈S,(2)使得对任意正整数n有f(x_1,…,x_n)=multiply from k=1 to n p(x_k),x_k∈S,1≤k≤n.(3)为了表征{X_n,n≥1}与服从分布(3)的独立随机变量之间的差异,我们引进如下的似然比:     

k连通闭流形到某些欧氏空间的内浸

在这篇文章中,我们主要获得了以下二个结果:1.设W为k连通n维闭流形,k=0时,要求W是可定向的。令M=(?),0≤h≤2k,n—2h≥5,则M到R~(2n-h-1)的内浸一定可以扩张为W到R~(2n-h-1)的内浸。2.给出k连通闭流形到某些欧氏空间的内浸分类。由定理3当k=0时,就得出文献[1]中当流形为n维定向闭流形时到R~(2n-1)的内浸分类;当K=1,n≡0 mod 4时,我们就得出文献[2]中当流形为n维单连通闭流形时到R~(2n-2)的内浸分类。     

低维有限点集偏差的精确计算公式(Ⅲ)

本通信是文献[1]和[2]的继续.设d≥2,S_d={u_k(l≤k≤n)}是d维单位立方体G_d=[0,1)~d中的有限点集,u_k=(u_(1,k),u_(2,k),…,u_(d,k)满足u_(1.1)≤u_(1.2)≤…≤u_(1.n). 令u_0=(u_(1.0),u_(2.0),…,u_(α.0)=(0,0,…,0),u_(n 1)=(u_(1,n 1),u_(2,n 1),…,u_(d.n 1))=(1,1,…,1).对于每个l_1(l_1=0,1,…,n)按递增顺序排列 u_(2.j)(j=0,1,…,l_1,n 1),并将它们记作     

渐近Bayes判别

设(θ,X),(θ_1,X_1),…,(θ_n,X_n)是取值于{0,1}×R~d的iid随机向量,P(θ=0)=P_0,P(θ=1)=P_1=1—p_0,而X在给定θ=i时的条件密度是f_i(x),i=0,1.记D(x)=P_1f_1(x)—P_0f_0(X),则I{D(x)≥0}(X)是θ的Bayes判别函     

中值滤波中的循环序列(Ⅰ)

本文中k始终表示大于1的固定正整数.给了实数列x={x(n)}_(n=0,±1…),则对每一n,我们用x~(1)(n)表示{x(n-k),x(n-k+1),…,x(n),…,x(n+k-1),x(n+k)},这2k+1个实数由小到大重排后位于中间的那个数.通过这种重排运算,x={x(n)}可变成一个新的实数列X~(1)={x~(1)(n)},它称为x的中值滤波(窗宽为2k+1).对X~(1)     

多重Fourier级数及其共轭Fourier积分的球形求和

设E_K为K维欧氏空间,E_K中的点x记为x=(x_1,x_2,…,x_k),Q_k{x∈E_k;-π≤x_i<π,1≤i≤K},B(x_0,r)={x∈E_k;|x-x_0|≤r},Q={x∈E_k;|x|=1},K(x)=P(x/|x|)|x|~(-k)为球调和核,此处P(t)为n次齐次调和多项式。     

关于张量积空间中的厄米特算子

V为n维酉空间,(?)~kV为定义了诱导内积(x~(?),y~(?))=multiply from i=1 to k (x_i,y_i)的k 阶张量积空间,其中x~(?)=x_1(?)…(?)x_k,y~(?)=y_1(?)…(?)y_k 为(?)~kV 中的可合张量.对于(?)~kV 中的线性算子(?),K.Fan与Marcus 等人在[1,2]中定义了(?)的数值域W~(?)(?)={((?)x~(?),x~(?))|x_1,…,x_k,o.n.},并研究了它的若干基本性质.最近,王伯英证明了,若(?)=A_1(?)…(?)A_k,A_i∈L(V),i=1,…,k,k相似文献   

关于一类常微分方程亚纯解的个数

亚纯解的个数问题一直为许多作者所关注。如所知当n=2时,即Riccati方程情形,方程(1)可具有一个复参数的亚纯解族。但当n≥3且{P_k(z)}是多项式情形,新近G.Gundersen和I.Laine在‘On the     

随机变量和随机元的加权和的大数定律

设{x_n,n≥1}是独立但不必同分布的随机变量序列,{a_(nk),k,n=1,2,…}是二重足码的常数序     

二进平稳列序率谱展式

定义1 实值随机变量列{ξk,k=0,1,2,…},如果对任 k,l=0,1,…,N-1,N=2~n,n=1,2,…,均有只与有关,m=0,1,2,…,则称之为二     

拓扑Markov链

给定K(>1)个符号{0,1,…,k—1}。记Σ_k为k单边符号空间,其元素为这里记σ为Σ_k上转移自映射。     

维数向量Loewy因子和Socle因子是Auslander-Reiten箭图的不变量

设k是代数闭域,Λ是有限维k-代数,不失一般性,本文总假定Λ是基的,连通的,modΛ记为Λ的有限生成模构成的范畴,ΓΛ表示Λ的Auslander-Reiten箭图,设P_1,P_2,…,P_n是Λ的所有不可分解投射模同构类的代表,任意M ∈ modA,它的维数向量定义为     

低维有限点集偏差的精确计算公式(Ⅰ)

设d≥1,S_d={u_k(1≤k≤n)}是d维单位立方体G_d=[0,1)~d中的有限点集,那么S_d的偏差定义为D_n=D_n(S_d)=(sup |A(J;n)/n-V(J)|,此处J遍历G_d中全部形如[0,α_1)×…[0,α_d),0<α_i≤1(1≤i≤d)的d维子长方体,V(J)=α_1…α_d是J的体积,     

关于多重共轭Fourier积分的Riesz球平均

设E_k为k维欧氏空间(k≥2),Q_k={x∈E_k,-π≤x_i≤π≤,i=1,2,…,k}。B(x_0,r)={x∈E_k,|x-x_0|≤r},Ω={x∈E_k,|x|=1},P(x)为n次     

改进的D. S. C.算法

本文考虑的问题为(?)(x)。算法:1°给定初始点x_1~((0))∈R~n,n个相互正交的方向P_1~((0)),P_2~((0)),…,P_n~((0)),控制量8>0。     

算术级数中的最小素数和与L函数零点有关的定理(Ⅲ)

设D是充分大的正整数,并以P(D,K)表示算术级数{D_n+K:n∈N,0相似文献   

理想Imσ_*~(2k+1)的代数结构

设MO_n是n维未定向协边群,MO_n(BO(k+1))是n维光滑闭流形上实k+1维向量丛构成的未定向协边群。