一类累积量域自适应滤波算法

讨论和研究了累积量域自适应滤波原理及代价函数，给出了一个新的代价函数J3(n)及基于J3(n)的CSWLMS算法。CSWLMS算法的性能优于基于代价函数J1（n) 的CLMS算法和基于代价函数J2（n)的CRLS算法。另外，还对CLMS算法和CRLS算法进行了改进。对上述算法进行了计算机模拟仿真比较，仿真结果表明改进的算法及给出的CSWLMS算法收敛性能良好。     

利用基因重组策略改进遗传算法

为了克服标准遗传算法的早熟现象，提高遗传算法的全局收敛性，提出了一种基于基因重组策略的遗传算法。该算法定义了一种新的交叉算子，即移位逻辑交叉算子(包括蝶形移位交叉算子和洗牌移位交叉算子)，用它们对染色体的部分基因实现有规律的交叉重组。实验结果表明，该算法比经典的遗传算法具有更好的收敛性和稳定性。     

若干K凸性的等价条件

就一些K凸性的等价条件作了讨论，证明了几种K凸性在某种条件下是等价的，如当空间X是自反的且X和X*均有（H）性质时，则有7种K凸性等价，当空间X自反且有（H）性质，则有6种K凸性等价。     

广义和强广义一致凸Banach空间

引入了广义一致凸Banach空间和强广义一致凸Banach空间的概念．证明了一致凸Banach空间是强广义一致凸Banach空间，广义一致凸Banach空间X是弱局部一致凸和严格凸的；X中任一元在以0为顶点的闭凸锥中有惟一最佳逼近；强广义一致凸Banach空间中任一元在其闭凸子集中有惟一的最佳逼近元。     

关于可测函数列收敛性的注记

讨论可测函数列依测度收敛与近一致收敛之间的关系，并给出Riesz定理的推广：若fn→f于E，则存在子列{fni}包含{fn},使fni近一致→f于E。     

弱条件下Halley族迭代的收敛性

我们曾在Smale的点估计判据下得到整个Halley族迭代的收敛性定理。点估计判据假设被求零点的映照f在初始近似z_0的某个适当大的邻域内解析。按数值泛函文献的通常理解,这是强条件的假设,尽管这种假设对于实计算的复杂性研究有其特殊的需要。对于其迭代映照中涉及f的k阶导数(或差商)的迭代法,通常理解的弱条件是假设f在z_0的某个邻域有连续的k 1阶导数,就像Канторович关于Newton法的经典工作那样。弱条件下建立收敛性定理的最大困难是关于优映照正根存在的判定。由于优映照通常被选为多项式,所以在关于算法的理论中,这是一个已经被彻底解决的问题。但成功的收敛性定理要求把这种条件明快地表示出来,而不是只给出一种判定的算法。对照文献[6]的成功和文献[7]的差强人意,这是很明显的。长期以来,还没有能够在弱条件下建立Halley族迭代的收敛性定理,其困难就在于此。对原来意义的Halley法来说,已经建立不少弱条件下的收敛性定理,但不能令人信服地说哪个比哪个更好,其原因亦在于此。     

非线性规划含三个参数的一族梯度投影法

利用偏斜梯度给出非线性不等式约束规划的含３个参数的一族梯度投影法．证明了方法的全局收敛性，并分析了算法族的几个有价值的特例．     

线性约束优化问题的一类变尺度方向的内点算法

基于内点算法思想，利用投影技术，给出了求解线性约束优化问题的一类变尺度方向内点算法．改善了算法的收敛速度．同时，在去掉目标函数的凸性及Ｌｉｐｓｃｈｉｔｚ性假设之下，同样给出了算法的收敛性定理     

块对称加速超松弛迭代法及其收敛性

给出了解线性代数方程组Ａｘ＝ｂ的一个新的迭代算法模型——块对称加速超松弛迭代法（ＢＳＡＯＲ迭代法），并在系数矩阵Ａ为块Ｈ－矩阵的条件下，证明了该模型的收敛性．在该模型中，对参数取特殊值可得到块对称Ｇａｕｓｓ－Ｓｅｉｄｅｌ迭代法和块对称ＳＯＲ迭代法等常用的块对称迭代算法，并且还可产生许多新的块对称迭代法．即事实上建立了块对称迭代法的一般性收敛理论．     

一种可用于线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法

讨论了迭代学习控制的基本概念,并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法.理论分析证明,这种控制算法对于跟踪重复运动的轨迹具有良好的效果.