空间中混合均衡问题和相对拟非扩张半群公共解的一种逼近方法

在Banach空间中,通过广义投影算子,建立一种求解混合均衡问题和相对拟非扩张半群的公共解的迭代算法,并证明迭代序列的强收敛性.     

路网环境下基于位置服务的隐私保护方法

保护用户位置隐私的目的是防止其他人以任何方式获知移动用户过去、现在的位置,同时向用户提供高质量的服务.保护用户的查询隐私的目的是防止其他人以任何方式获知用户发送的查询请求.公路网络环境下,隐私保护有着独特的结构特点.结合公路网络的特点,基于网络扩张的方法,形成一个内部含有环的无向图,作为用户发送查询请求的匿名空间,即在路网图中取带环的小图,该图结合了环和树的结构特点,有效地防止了匿名空间的单一路径化,对用户的位置隐私起到了保护作用.同时,首次提出对匿名空间的精炼.通过对匿名空间的精炼,可以测定同一匿名集内的用户构造的匿名集是否完全相同或者两个匿名集去掉交集之后是否为单一路径,可以有效防止匿名集由于不具有相互性所带来的查询隐私泄露.     

Hilbert空间中均衡问题与渐近非扩张半群的迭代算法的强收敛性

针对均衡问题和渐近非扩张算子半群的公共元问题,提出一个新的迭代算法,在合适的条件下,证明了由此迭代算法生成的序列的强收敛性定理.     

渐近非扩张映像隐式迭代序列强收敛性

在具有一致凸且Gateaux可微的Banach空间中,证明了渐近非扩张映像隐式迭代序列的强收敛性,并对收敛的条件作了统一处理,完善和改进了相关的证明方法.     

基于收益-风险双目标规划的随机能力扩张模型

能力扩张问题是指在不同计划期,根据不断增长的市场需求,调整生产能力,使产能与需求合适匹配以寻求企业盈利的最佳表现.能力扩张涉及长期的产能投资,是生产领域的战略决策问题.当面对不确定需求时,这一决策任务变得十分复杂,需要从回报与风险两个角度评估能力扩张方案的性能.本文基于Scenario树描述多阶段的随机需求,从而建立随机环境下能力扩张问题的Scenario决策模型.其中考虑两个决策目标:最大化利润和最小化期望下方风险,因而形成了一个双目标规划问题.为求解该问题,基于二进制粒子群优化技术,提出了双目标优化的粒子群算法.算例表明该算法可以得到近似Pareto前沿,且能揭示利润与风险的同向变化关系.     

Banach空间中单参数非扩张半群不动点和变分不等式解的粘性逼近方法

研究单参数非扩张半群的不动点和某变分不等式的解的迭代算法.在具有弱序列连续对偶映射的Banach空间中,利用粘性逼近方法,建立非扩张半群的不动点的三步迭代格式,证明该方法所得到的序列在一定条件下是强收敛的,并收敛于某变分不等式的唯一解.所得结论推广和统一了一些类似文献的结论.     

p~6阶群Φ_(22)(1~6)的推广及研究

利用群的扩张理论对p6阶群Φ22(16)进行了推广,得到了一类新的有限p-群,给出了它们的一些性质.     

测度的扩张

本文将给出环Ｒ上的测度的一种扩张过程的证明．     

非扩张映射和非扩张半群的修正Cesàro平均算子的强收敛定理

在希尔伯特空间中,通过构造非扩张映射的迭代序列,证明了一个非扩张映射的强收敛定理,该结果是先前文献相应结果的改进和推广.     

平凡扩张代数A∝M的Generic模

通过函子- A（A∝M）由代数A的Generic模构造A∝M的Generic模，讨论Generic A-模与Generic A∝M-模之间的关系．