Banach空间中寻求(α,β)-适度混合集值映像吸引点的一般迭代格式

引入（α，β）-适度混合集值映像与条件I^*的概念，提出了用于寻求（α，β）-适度混合集值映像吸引点的一般迭代法.在一致凸Banach空间中，利用条件I^*与半紧性质，建立了所提（α，β）-适度混合集值映像的迭代格式的强收敛性.结论改进与修正了之前文献中已发布的相应结果.     

洛氏硬度计示值误差的原因分析

本文对实际检定工作中遇到的影响洛氏硬度计示值误差的原因进行了分析。     

凸数列的几个加权和性质

利用著名的Abel变换，给出了凸数列的几个加权和性质．     

区间凸二次规划问题弱最优解的判别

基于凸二次规划中的KKT条件,讨论了带区间数的凸二次规划的最优解问题.针对约束域为不等式且变量有符号限制的区间凸二次规划,给出了检验弱可行解是否为弱最优解的充要条件.     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

强G-预不变凸函数的性质研究

给出了强G-预不变凸函数的一些新的性质,这些性质在数学规划中有着重要的应用.     

凸单叶调和映射的Fréchet可微泛函的极值问题

借助一种变分方法 ,研究了凸单叶调和映射上具有 Fréchet可微泛函的极值问题 ,得到极值函数的必要条件。     

Bernstein-Kantorovich算子线性组合同时逼近的点态估计

借助于Ditzian-Totik光滑模ωψλr(f,t)(0≤λ≤1)给出了Bernstein-Kantorovich算子线性组合同时逼近的点态估计.     

广义V-I型多目标规划ε-有效解的充分性

利用对称梯度，定义了一类非光滑多目标规划的V-Is,ε型、拟V-Is,ε型和伪V-Is,ε型等几个广义向量，型不变凸性概念，得到了涉及这些新广义弘，型不变凸性的多目标规划的一些最优性充分条件。     

一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.