一类半线性椭圆方程组非平凡解的不存在性

一类半线性椭圆方程组： {△u（x）＋f1（u（x））g1（v（x））=0 x∈Ω △v（x）＋f2（u（x））g2（v（x））=0 x∈Ω u（x）＋v（x）=0 x∈aΩ 其中,Ω R^N是关于0的星形区域f1、f2、g1、g2：R→R＋为非负函数．在一定条件下,它的非平凡解是不存在的．     

从众心理引起博弈策略的同步振荡

在著名的博弈模型"石头-布-剪刀"模型中加入从众心理的影响,考察从众心理对系统动力学的影响. 其中对利益的渴求和从众心理两个机制相互竞争.从复杂系统科学的角度来看,从众心理在网络中的个体之间起到了很好的耦合作用.当从众心理占据上风时,这种耦合作用可以引起个体之间博弈策略的同步振荡,进而形成宏观的振荡现象.在社会学的某些领域中,这种宏观振荡往往造成不良的后果.所以,如果期望一个稳定的多样策略共存的状态,就要尽力降低从众心理对策略选择的影响.     

非均匀相变模型不稳定解的第一特征值

考虑以下奇异摄动椭圆问题ε2△u+(u-a(y))(1-u2)=0 inΩ,(e)u/(e)n=0 on (e)Ω,其中Ω是R2中一个光滑区域,-10,其中v是Ω+的外法向量.在[5]中,M.del Pino,M.Kowalczyk和J.Wei构造一族具有如下形状的解u8.当uε→1 in Ω_ 且 uε→-1 in Ω+.证明了在u8处的线性化问题的最小特征值具有渐近形式:-μ0ε+o(ε),其中μ0>0.     

海河流域IWEM项目设计要点、初步成果及前景展望

对全球环境基金(GEF)海河流域水资源与水环境综合管理(IWEM)项目设计目标、理念、技术方法及当前项目进展进行了简要介绍,对今后项目成果的示范推广意义进行了展望.     

两类不同免疫策略下的SIR流行病模型

研究了两类不同免疫方式下具有饱和传染力的SIR流行病模型的动力学行为.在连续免疫接种方式下,确定了基本再生数R0.用Lassalle定理和Poincare-Bendixon的三分法定理得到疾病消除平衡点和地方病平衡点全局渐近稳定的条件.在脉冲免疫接种方式下,确定了基本再生数R.利用脉冲微分方程的Floquet乘子理论和比较定理,研究了疾病消除周期解的全局渐近稳定性和系统的一致持久性.结果表明,当基本再生数小于1时,该传染病将逐渐消失;当基本再生数大于1时,该传染病将流行,成为地方病.     

Argo——成功的十年

由美、日等国科学家发起的国际Argo计划已经走过了10个年头,由3000多个自动剖面浮标组成的全球Argo实时海洋观测网也已于2007年10月末正式建成,成为全球海洋观测系统的重要支柱,迄今在全球海洋0—2000m深度范围内获取的温度、盐度和海流剖面资料总数已达56万余条,并正以每年10万条剖面以上的速度增加。随着Argo资料数量的快速增加和质量的不断提高。它们在海洋和大气等多个领域科学研究和业务活动中的应用也得到了长足发展,正有效地改变着人们对许多重大自然环境问题的认识,提高了人们对重大海洋和天气事件的预测预报能力。我国于2001年正式加入该计划,已经初步建立起我国的Argo大洋观测网,并在Argo资料的接收、处理和质量控制等方面积累了丰富的经验。但是,与其他国家相比,无论在重视程度和投入力度方面都还存在较大的差距。急需整合资源和力量,强化我国Argo大洋观测网的建设及其资料的应用研究,为应对全球气候变化做出更大的贡献。     

非线性奇摄动方程的脉冲解

对一类比较一般的施图姆-刘维尔型奇摄动问题,~%揭示了其脉冲解的存在性,~并相应地给出了脉冲解的存在性条件.~%利用边界层函数法构造其一致有效渐近解,~以及进行余项估计.~%最后通过一个例子来进一步验证前面的结论.     

一类带有弱耗散项的半线性波动方程的Cauchy问题

给出一类带有弱耗散项的线性波动方程的Cauchy问题的解在Sobolev空间中的衰减估计,引入一个同时体现解的能量估计及解的衰减性的函数空间作为迭代的基本空间,同时建立了一个反映基本空间性质的映射,利用整体迭代法和压缩映射原理,在小初值情形下得出其半线性波动方程右端的非线性项F在满足一定条件的情况下,其Cauchy问题解的存在唯一性及解在t→+∞时的衰减性.     

具有充分下降性的共轭梯度法及其收敛性

提出了一类新的共轭梯度方法.该方法无需线搜索而具有充分下降性,在Wolfe-Powell线搜索下该方法具有全局收敛性.数值试验表明该方法具有良好的数值结果.     

一种基于种群多样性的自适应粒子群算法

以信息熵的角度研究了种群多样性测度的指标,提出了一种新的自适应粒子群算法.通过对种群多样性测度新指标的应用,采用保留最优个体的精英保留变异操作、新的速度项和动态惯性权重等技术,有效提高了种群的多样性.仿真试验说明了本文算法的优点.