约束最优化的改进中心算法

以最优化问题为核心，对中心算法进行了研究．该算法是解决非线性凸约束数学规划的有效算法．在此对其作了几个方面的改进．实例计算分析表明，改进后算法的收敛速度大大加快，迭代的次数大大降低．     

弱条件线性方程组的一种迭代方法

设A为m×n矩阵、线性方程组AX=b相容,其解集为C。给出了求X∈C的迭代方法。对序列{X(k)},其中λit(k)X(k)满足: X0,X(k+1)=X(k)+ mi=[bi-(Ai,X(k))]/‖Ai‖2,k=0,1,2,…。证明了{X(k)}收敛,设i,Ai,t(k)i=1X(k)=X ,则X ∈C。若取X0=0,则X ∈R(AT),其中R(AT)={ATX｜X∈Rm}。limk→∞     

软件开发统一过程应用研究

Rational Unified Process(RUP)是一个先进的较成熟的软件过程框架，Rational Suite是一个可视化的RUP支持软件包，两者结合提供了一个较好的软件工程环境。结合一个物业管理系统的开发过程，介绍了RUP过程的特点和实践过程。     

关于非线性方程x+tx=f解的具误差项的Ishikawa迭代过程的稳定性

在一般的Banach空间中证明了非线性方程x tx=f的解的具误差的Ishikawa迭代过程的新的稳定性定理，推广和改进了近期的一系列相关结果．     

多值次伪压缩映象不动点和多值次增生映象零点的Ishikawa迭代逼近

在一般的Banach空间中，研究了多值次伪压缩映象不动点和多值次增生映象零点的具有误差的Ishikawa迭代逼近问题，所得结果改进和推广了这一领域内一些相关的结果。     

一维抛物型方程参数识别反问题的数值解法

以函数逼近和Tikhonov正则化为基础，利用算子识别摄动法和线性化技术提出求解一维抛物型偏微分方程参数识别反问题的迭代算法，拓宽了求解此类反问题泛定方程和初边值条件的适用范围。数值模拟的结果表明，用此迭代法求解参数识别反问题具有数值精度高、稳定性好、收敛速度快的特点。     

单调线性互补问题的非精确不可行内点算法

对单调线性互补问题提出了一种非精确不可行内点算法．该算法的迭代方向仅需要达到一个相对的精度．在初始点位于中心线的某邻域内的假设下，证明了算法的全局收敛性．     

线性方程组迭代求解的近似逆方法收敛性

利用近似逆矩阵定义，构造一类双对称矩阵，讨论解线性方程组迭代求解近似逆方法的收敛性。     

渐近非扩张映象的修正Reich-Takahashi迭代收敛性

 在Banach空间中研究具误差的修正Reich-Takahashi迭代序列的收敛问题,获得了第一型具误差的修正Reich-Takahashi迭代序列强收敛到不动点的充要条件,所得结果推广和改进了已有文献的相关结果.     

关于一类集值拟变分不等式的广义投影算法

引入并研究了一类新的广义非线性集值强隐拟变分不等式，通过用投影方法，证明了这类变分不等式的解等价于一类不动点问题的解．基于这类不动点问题，我们构造了一个迭代算法，在没有紧性的条件下，证明了这类变分不等式解的存在性；同时，还证明了由迭代算法所产生的迭代序列收敛于这类变分不等式的解．