集值下鞅的收敛性与Riesz分解

假定（X,·）为可分的Banach空间, X^*为其对偶空间, X^*可分. 设(Ω,B,P)为完备的概率空间, {B_n, n≥1}为B_n的上升子σ域族, 且B=∨B_n, 首先研究了支撑函数的几个性质, 利用支撑函数及实值鞅（上鞅、 下鞅）的收敛定理与Riesz分解定理, 证明了集值下鞅在弱收敛意义下的收敛定理, 在此基础上, 给出集值下鞅可Riesz分 解的一个充要条件.     

连续参数集值下鞅的收敛定理

首先给出了连续参数集值下鞅的定义．继而证明了连续参数集值下鞅的三个等价定理：（ａ）Ｌ１ｗｋｃ（Ｘ）值下鞅等价于任给τ１＜τ２,τ１,τ２∈Ｔ,∫ΩＦτ１ｄＰ∫ΩＦτ２ｄＰ;（ｂ）Ｌ１ｆｃ（Ｘ）值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ｓ１Ｆｓ（Ｆｓ）ｃｌ｛Ｅ（ｇ｜Ｆｓ）,ｇ∈Ｓ１Ｆｔ（Ｆｔ）｝;（ｃ）Ｘ可分时,闭凸集值下鞅等价于任给ｓ,ｔ∈Ｒ＋,ｓ＜ｔ,Ａ∈Ｆｓ,ｃｌ∫ＡＦｓｄＰｃｌ∫ＡＦｔｄＰ．最后给出了弱紧凸集值随机集族的弱收敛定理和Ｘ有ＲＮＰ,Ｘ可分时闭凸集值右连续下鞅的弱收敛定理．     

关于集值条件期望的收敛性

集值条件期望的收敛性问题,在集值鞅论中有重要地位,在研究支撑函数性质的基础上,证明了随机集列关于单调σ－域族条件期望 的强下极限,弱上极限的Fatou引理及K－M意义下的控制收敛定理。     

连续参数集值鞅正则与收敛关系定理

给出了连续参数集值鞅的几种收敛定义．利用连续参数集值鞅正则性与收敛性的基本结果，给出了连续参数集值正则鞅与集值鞅收敛的几个关系定理，即在一定条件下，连续参数集值正则鞅具有某种收敛性；在一定条件下，具有某种收敛性的连续参数集值鞅是集值正则鞅．     

连续参数集值下鞅的轨道连续性

给出了连续参数集值下鞅的两个等价条件：（a)｛Ft,Ft;t∈R ｝存在弱右连续修正;（b)｛ΩFtdp;t∈R 为弱右连续的,其次给出了连续参数集值下鞅存在轨道为弱右连续及K.M.右连续修正的Follmer引路,最后在Banach空间为自反的条件下,给出了连续参数集值下鞅存在K.M.右连续修正的充要条件。     

连续参数集值上鞅的收敛性

离散参数集值上鞅的收敛性已有诸多学者研究过。Hess．C．给出了无界集值上鞅在Kuratowski-Mosoo收敛意义下的收敛定理，笔者曾得到了在Kuratowski收敛意义下的类似结果，但对连续参数集值上鞅收敛性研究尚不多见。文中在给出连续参数集值上鞅在Kuratowski收敛意义下的收敛定理。     

集值逆Superpramart的逆上鞅逼近

假定(X,‖.‖)为实可分的Banach空间,X*为其对偶空间,(Ω,A,P)为完备的概率空间,{Bn,n≤-1}为上升子σ-域族.讨论了随机集族本性上确界的性质,给出了集值逆Superpramart的逆上鞅逼近及集值逆上鞅在Kuratowski意义下的收敛定理.以此为基础,利用支撑函数证明了集值逆Superpramart在Kuratowski意义与Kuratowski-Mosco意义下的收敛定理,解决了集值逆Superpramart的收敛性问题.     

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.     

集值Pramart的Riesz逼近

设（X,‖·‖）为可分的Banach空间, X^*为其对偶空间, X^*可分, (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. 在X^*可分的条件下给出了集值Pramart的鞅逼近, 并在此基础上证明了集值Subpramart在弱收敛意义下的收敛定理及Pramart在Kuratowski Mosco收敛意义下的收敛定理.     

非凸集值上鞅的收敛性

研究了非凸集值上鞅的收敛性.在supnE(d(0,Fn))< ∞的条件下,利用"截尾法"给出了非凸集值上鞅在Kuratowski收敛意义下的收敛定理.同时,研究了单调递增σ 域条件期望在K M意义下的收敛性.     

集值映射的弱有效广义梯度

在锥序Banach空间中,对于集值优化问题(SOP),利用contingent上图切导数,引进了集值映射弱有效意义下的广义梯度;在集值映射具有连通性条件下,利用凸集分离定理证明了集值映射弱有效广义梯度的存在性,由此建立了集值映射优化问题弱有效解在广义梯度下的最优性条件.     

广义凸集值向量优化问题的弱有效解

在序线性拓扑空间中定义了广义凸集值映射．引进了相对内部．应用凸集分离定理建立了一个广义凸集值映射的择一性定理．运用此定理获得了弱有效解意义下的集值向量优化问题的最优性条件．     

集值约束的多目标线性优化问题的弱对偶定理

对偶理论是数学规划的理论基础,其中在各种约束条件下对弱对偶定理的研究是对偶理论研究的重要组成部分。应用集值对偶理论证明了集值约束的线性优化问题的弱对偶定理,得到了与单值约束的线性向量优化问题的弱对偶定理和强对偶定理相似的结论,并且证明了与弱对偶定理等价的几个式子,从而推广和完善了对偶理论。     

集值随机过程的均方导数

为了研究集值随机过程的微积分理论，利用有界闭凸集合弱收敛的性质和集合“开”的概念，给出了有界闭凸集值随机过程的均方导数的定义，建立了均方导数的若干性质，并讨论了集值随机过程均方可导与均方连续的关系。     

集值映射向量最优化条件

讨论了目标函数及约束函数均为集值映射的向量最优化问题。证明了当映射为Ｋ－类凸时的广义Ｆａｒｋａｓ－Ｍｉｎｋｏｗｓｋｉ定理,并由此得到向量最优化问题有效解存在的必要条件和充分条件。     

实线性空间中集值优化问题弱有效解的最优性条件

在实线性空间中,建立了广义锥次凸集值映射的择一定理。利用此定理,得到了集值优化问题弱有效解的最优性条件。     

集值随机过程的Newton-Leibniz公式

为了研究集值随机过程的微积分理论，首先介绍了有界闭凸集值随机过程强(弱)均方积分、强(弱)均方导数的定义，然后利用支撑函数与Hausdorff度量的性质，讨论了均方可导与均方可积之间的关系；以此为基础，分别证明了集值随机过程强、弱均方积分的Newton—Leibniz公式。最后给出了集值随机过程Newton-Leibniz公式的应用实例，为进一步研究集值随机微分方程奠定了良好的理论基础。     

一类广义集值混合隐似变分不等式的迭代算法

在Banach空间中,运用辅助变分原理技巧,研究了一类广义集值混合隐似变分不等式的迭代算法,并且在局部松弛Lipschitz连续的条件下,证明了该迭代序列的强收敛性定理.     

集值函数的对偶半模模糊积分

为了将函数的对偶半模模糊积分推广到集值函数的情形,要建立一种新的非可加集值积分理论。仿照Aumann积分的方式,用集值函数的单值可测选择的对偶半模模糊积分,定义集值函数的对偶半模模糊积分,并给出了其性质及收敛定理。这些是函数的对偶半模模糊积分有关结果的推广,同时是一种新的集值积分。