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。     

函数空间弱收敛与随机过程依分布收敛

设ξ_n(n=1,2,…)为一列随机过程,它的有限维分布收敛。本文用迫近法给出ξ_n依分布收敛的准则.     

随机元的稳弱收敛

证明了取值于Polish空间的稳弱收敛随机元列,在加大概率空间时,必存在极限,其次,对Jacod提出的弱收敛必是稳弱收敛相对紧证明有缺陷作了补正。     

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     

随机测度序列的弱收敛

本文给出了整值随机测度序列弱收敛的充分条件，从而推广了ＫａｓａｈａｒａＹ和ＷａｔａｎａｂｅＳ［４］的相应结果。给出了Ｐｏｉｓｓｏｎ随机测度序列弱收敛的充要条件。     

N台并联Fork-Join排队网络的弱收敛与强逼近

本文借助于概率测度弱收敛与概率论强逼近理论,较为详细地研究了N台并联Fork-Join排队网络,得到了响应时间、队长、离去过程的弱收敛与强逼近定理。这些结果具有一定的实际意义,并为一般型Fork-Join网络的研究提供了必要的理论基础。     

随机环境中马氏链的直接收敛

文章给出了E上的一种关系——直接收敛,并证明直接收敛是E上的一种等价关系;由这种关系将乘积空间进行划分,若将直接收敛限制在C1上,则它与相遇关系等价。     

随机测度序列的弱收敛

本文给出了整值随机测度序列弱收敛的充分条件,从而推广了 Kasahara Y 和Watanabe S[4]的相应结果。给出了 Poisson 随机测度序列弱收敛的充要条件。     

弱＊收敛问题及其应用

介绍弱＊收敛及有关结论,借助于泛函分析的相关理论来研究数值积分方法的一般结构及其当节点数目无限增加时的收敛性问题。     

关于Hermite插值算子同时逼近的平均收敛性

在此考虑了以第一类Chebyshev多项式的零点为结点的Hermite插值算子同时逼近的平均收敛性,所得结果推广了闵国华(1992年)的相关结论.     

拟Hermite插值算子导数逼近的平均收敛性

得到了以扩充的第二类Chebyshev多项式的零点为插值结点组的拟Hermite插值算子导数逼近的平均收敛速度．     

Lagrange插值算子导数逼近的平均收敛速度

考虑以第一类Chebyshev多项式的零点为插值结点组的Lagrange插值算子导数逼近的平均收敛速度,得到了一种利用最佳逼近的精确阶估计．     

一类随机规划问题的逼近求解

主要讨论了一类随机规划在函序列上图收敛和随机变量序列均方收敛意义下,该类随机规划的最优解和最优值的收敛情况。     

关于变分与互补问题的线性逼近方法的收敛性分析

建立了Ｐａｎｇ与Ｃｈａｎ提出了的求解变分不等问题的线性逼近方法的Ｋａｎｔｏｒｏｖｉｃｈ型收敛性理论，对于其特殊情形Ｎｅｗｔｏｎ法，刻划了其收敛速度及误差估计，给出了关一发不等问题的新型的解的的存在的唯一条件，且为迭代序列的初始选取提供了可靠的依据。     

Banach空间中渐近非扩张映射的弱收敛定理

设C为一致凸Banach空间，且其对偶空间X^*具Kadec-Klee性质．C为X的非空有界闭凸子集，G是一定向网。{Tt，t∈G}为C上一族渐近非扩张映射．{Ttx0,t∈G}的弱收敛定理为：若x0∈C，使得(a)lim sup，∈G lim sup。∈G ‖TsTtx0-Ttx0‖=0，(b)lim sup，∈G lim sup。∈G‖TsTtx0-TtTsx0‖=0，则存在p∈AF(y)，使得Ttx0→p0。     

关于测度的弱收敛

如对任意有界连续实函数g,都有lim∫_Qgdμ_n=∫_Qgdμ,称测度序列{μ_n}弱收敛于μ,记作μ_n??μ.文〔2〕在取值于Banach空间中函数的Bochner积分意义下推广该极限.该文则在取值于(F)-空间中抽象函数的Bochner积分意义下作进一步推广.     

Almost sure convergence and complete convergence for the weighted sums of martingale differences

Let {(D _n, FFF_n),n/->1} be a sequence of martingale differences and {a _ni, 1≤i≤n,n≥1} be an array of real constants. Almost sure convergence for the row sums are discussed. We also discuss complete convergence for the moving average processes underB-valued martingale differences assumption. Foundation item: Supported by the National Natural Science Foundation of China and the Doctoral Programme Foundation of China Biography: DENG Ai-jiao (1974-), female, Ph.D. candidate. Research interest is in stochastic processes and random fractal.