单支方法的收敛性与稳定性

本文针对Ｂａｎａｃｈ空间中一类非刚性问题，构造了一类单支方法，证明了该方法是稳定的，且当其ｑ阶相容时是ｑ阶收敛的，此外，还给出了该方法的一个整体截断误差的先验界。     

非线性代数系统的一种拟牛顿迭代法

本文讨论发数值求解非线性代数系统的一种拟牛顿型迭代方法，证明了这种迭代格式是局部Ｑ－超线性收敛。数值算例表明本文所讨论方法对某些非线性系统来说，无论是收敛速度还是算法稳定性都优于Ｂｒｏｙｄｅｎ方法。     

深层前馈网络的单调同伦学习算法

本文研究前馈神经网络的结构以及快速二阶学习算法，首先提出一种能和适应分布网络结构的深层前馈网络模型，并利用构造性方法证明了该网络的通有逼近性质，为改进网络学习效率及大范围收敛性，提出了网络权值学习的单调同伦方法，该方法具有与牛顿法相同的二阶收敛性，数值实例显示了该方法的高效性与大范围收敛性，深层前馈网络模型具有自适应分布网络结构，高度非线性逼近性以及可实现快速学习算法等特点。     

关于Stable收敛

本文对一般完备可分距离空间上的随机元序列在更广泛的形式下定义了stable收敛、给出了一些新结果,并通过正面讨论和反例研究了它与其它类型收敛的关系.     

非线性拟双曲型方程的有限元方法

本文研究了一类非线性拟双曲型方程的半离散化和全离散化的有限元逼近,对这两种逼近格式的收敛性和稳定性理论作了分析,得到了最佳的L~2模和H~1模有限元误差估计。     

一种Jacobi型方法及其应用

本文给出了一种新的Jacobi型方法,用于求埃尔米特矩阵的全部特征值和特征向量时,比[1]中所用的Jacobi方法收敛速度快一倍,存贮量少一半,计算总量也少一半。实例表明效果还要好些。这一新方法可用于埃尔米特矩阵同时迭代法正定广义埃尔米特特征值问题的同时迭代法以及一般广义埃尔米特特征值问题。     

Banach-值HL积分的收敛定理

引入Banach 值HL可积函数序列等度HL可积的概念;利用等度HL可积性定理,证明了Banach 值HL可 积函数序列的一个收敛定理.     

幂级数的推广

本文主要利用引入矩阵变量对幂级数进行了推广。     

求解无约束优化问题的一种下降算法

研究了求解无约束优化问题的一种共轭下降算法，并在非精确线搜索条件下证明了该算法的全局收敛性．     

基本蚁群算法的A.S.收敛性研究

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．