Banach空间中非Lipschitzian半群的逼近序列的强收敛

C是一致凸B anach空间X中有界凸闭子集,X的范数一致G-可微,证明了渐近非扩张型半群的公共不动点集F(S)是C的sunny、非扩张压缩;给出了逼近序列{xt}的强收敛性,其中xt=atx (1-at)T(μ)xt.     

B值随机元的连续逼近

本文首先证明了B值随机元序列几乎处处收敛与几乎一致收敛的等价性,然后用它来证明一个关于连续函数逼近B值随机元的Lusin型定理.     

关于凸性模的若干应用

改进和推广了Kadecˇ凸性模定理,并讨论了凸性模对无条件收敛级数和算子级数的应用.     

蚁群算法在油田配电网开关优化配置中的应用

配电网分段开关优化配置，可以减少用户停电损失，提高供电可靠性。分段开关优化配置是一种以可靠性费用最小为目标函数的组合优化问题。结合油田配电网的分段开关类型和馈线自动化方式，给出了配电网开关配置的数学模型。应用蚁群算法(ACA)求解分段开关的位置和数量，并对蚁群算法的初始信息素赋值、搜索空间、转移原则和更新原则进行了改进，克服了基本蚁群算法搜索时间长、易陷入局部最优解的缺点。实例分析表明，该算法全局搜索能力强，搜索时间短，收敛速度快。     

一类具有连续分布延时的随机反应扩散的Hopfield神经网络的收敛动力学行为

本文研究了一类具有连续分布延时的随机反应扩散的神经网络模型.通过构建恰当的Lyapunov函数,以及运用非负半鞅收敛性定理,得到了该网络平衡解几乎必然指数稳定和矩指数稳定的充分条件.最后我们给出了一个例子验证了条件的正确性.本文所得到的结果不要求激励函数是可导,有界,单调非减的,也不要求连接权矩阵是对称的,在解决最优化问题等方面有重要意义.因此我们推广和完善了以前的结果.     

基于高斯混合模型的EM学习算法

本文研究了一类基于无监督聚类学习的算法——EM算法的算法实现．EM算法通常用于存在隐含变量时的聚类学习，由于引入了隐含变量，导致算法难以保证收敛和达到极优值．本文通过将该算法应用于高斯混合模型的学习，引入重叠度分析的方法改进EM算法的约束条件，从而能够确保EM算法的正确学习．     

积分准则及检根法的等价定理

在常数项级数中，经常运用积分准则及检根法来判定正项级数的敛散性，而使用积分准则判定正项级数的敛散性，首先要判定无穷积分的敛散性，有时不太方便，因此，为了使正项级数敛散性的判定更加灵活，我们想直接用正项级数通项来判定其敛散性，所以，运用无穷小比较的方法给出了积分准则的等价定理；又根据lim(n→m)lnαn/n的符号给出了检根法的等价定理；并给予证明，从而使正项级数敛散性的判定更加灵活自如。     

最优子种群实数编码遗传算法的研究

提出了最优子种群实数编码遗传算法理论，通过从种群中选出适应值最高的若干数量的个体，组成该代最优子种群，将最优子种群中的个体与种群中其它个体进行交叉变异，最优子种群中的个体间也进行交叉变异，从而产生新的种群．该遗传算法对于示例中多极值的问题非常有效，收敛速度也非常快．     

带有小参数和不连续源项的反应--扩散问题的多过渡点格式

在许多应用领域常出现带有小参数和不连续源项的反应一扩散问题．这类问题在边界层和内部层附近都出现剧烈振荡现象，解析解根本无法求出．因此人们常采用关于摄动参数为一致收敛的数值方法．本介绍了多过渡点方法，此方法根据边界层和内部层的特点，选择合适的过渡点．在内部层和边界层附近加细了网格点。它很好地拟合了边界层和内部层的性质．证明了新的格式关于小参数一阶一致收敛．提高了Shishkin网格法(单过渡点法)的收敛阶．     

∑∞ k=1Ak(t)一致收敛的判定和性质

借助矩阵范数和矩阵谱半径的概念,结合极限理论和数项级数的有关结论,给出了矩阵级数一致收敛的判定和性质.