含非线性半群的微分包含

研究了形如X＇（t）∈-Ax（t）＋F（t,x（t））,0≤t≤T,X（0）＝x0的微分包含解的存在的局部性和整体性的结果,并在某种条件下研究了解的稳定性。     

带紧扰动的m-增生算子的拓扑度理论

本文借助于一种单值化技巧,以经典的Leray-Schauder度为工具,构造了带紧扰动的m-增生算子的拓扑度。并讨论了该度的基本性质,导出了一个值域定理与锐角原理。     

一类包含m—增生算子紧扰动的算子方程的可解性

设X为一致凸的Banach空间,T:X(?)D(T)→X为m—增生的且强增生的算子,T_0:X→X为线性紧算子。C:X→X为全连续算子,应用Leray-Schauder度理论,研究了算子方程Tx-T_0x Cx=f,f∈X的可解性。     

带紧扰动的m-增生算子的满值性定理

引入“DC”空间的概念,研究了带紧扰动的m－增生算子的满值性问题,改进了Kartsatos、Deimling、周海云以及徐宗本等人的结果。     

关于强增生算子的非线性方程迭代解

利用两种迭代法(Mann和Ishikawa)给出了非线性方程Tx=f解的逼近。     

二维时变电磁场第一边值初值问题广义解的存在与唯一性

在频率为１０１０以下的情况下,给出了由正弦交变电流引起的二维时变电磁场所对应的偏微分方程,并用非线性算子半群理论及单调算子理论证明了相应偏微分方程第一边值初值问题广义解的存在与唯一性．     

关于Chidume结果的推广

在一致光滑的Banach空间,证明了满足不等式‖Tx≤C ‖x‖的一类非线性强增生算子的Mann迭代序列强收敛于Tx=f的唯一解。     

Banach空间中含Lipschitz强增生 算子的算子方程之构造可解性

设X为实一致光滑Banach空间 ,A :X→X为Lipschitz强增生算子 ,设L≥ 1和k∈( 0 ,1)分别为A的Lipschitz常数与强增生常数。设 {tn}n≥ 0 为 ( 0 ,1]中的实数列满足条件 :(i)tn→ 0 (n→∞ ) ;(ii)∑∞n =0 tn=∞ , f∈X , x0 ∈X ,迭代地定义序列 {xn}n≥ 0如下 :( )　　xn 1 =xn-tn(Axn- f) ,n≥ 0 .则 {xn}n≥ 0 强收敛于方程Ax =f的唯一解 ,而且对充分大的n≥n0 ,‖Axn- f‖ ≤ exp{-k∑n- 1j=n0tj}‖Axn0 - f‖　　一个相关的结果研究含强伪压缩映象的方程Tx =x的构造可解性。     

φ-强拟增生算子零点的迭代逼近

设X为实一致光滑Banach空间,T:X→X为Lipschitzφ-强拟增生算子。设为[0,1]中数列满足(ⅰ);(ⅱ)令s=I-T,其中I:X→X为恒等算子。定义Ishikawa迭代序列:则强收敛于T的唯一零点。 一个相关的结果处理Lipschitzφ-半伪压缩算子的不动点的迭代逼近。     

关于A-增生算子的广义变分包含的Mann-型迭代算法

通过研究A-增生算子的性质，延伸了关于H-增生算子的预解算子概念到新的A-增生算子。通过进一步运用A-增生算子的预解算子技巧，考虑了一类新的关于A-增生算子的广义变分包含，并提出了一种Mann-型迭代算法来逼近此类广义变分包含的解。最后证明了新的一类广义变分包含解的存在性和唯一性，并讨论了由此Mann-型迭代算法产生的迭代序列的收敛特征。     

一种新的进化规划算法

参考高斯变异算子和柯西变异算子,提出了基于学生概率分布变异的进化规划算法。学生概率分布能够衔接高斯分布和柯西分布,其性能通过改变参数n来获得。通过仿真得到了学生概率分布变异的规律。仿真表明,基于学生概率分布变异的进化算法具有较好的性能。     

Hilbert空间极大单调算子零点的逼近问题

设H为实Hilbert空间,C为H的非空闭凸子集,T:C→2H为极大单调算子,假设S(T)={X∈H:O∈Tx}≠Φ。求xk及ek满足设Pc:H→C为H到C上的最近点投影算子,定义证明了Hilbert空间中由上式产生的序列{xk}k≥0弱收敛于T的某个零点。     

基于语言评价信息的多方案选优研究

通过LWD和LOWA算子,给出了一种算法。该算法在预先定义语言短语排序的情况下,可将专家群给出的多个指标下多个方案的语言评价信息集结为对方案的语言短语排序,从而可选出最优方案,并通过仿真算例,证明了该方法的有效性。     

基因遗传算法在三维数据场造型中的应用

将基因遗传算法应用于三维数据场的造型研究之中,提出了遗传三角剖分算法.针对三维三角剖分的特殊性,提出了虚拟交叉算子和三角变异算子,能够确保在遗传进化过程中,解群中的每一个串始终代表一个合法的三角剖分.     

三角形网格上的C1有理插值

本文描述了一种用线性算子的组合插值新方法。较之已往方法,插值函数结构简单,易于计算。并且估计了插值函数的误差,误差阶是O(h~4),比[4]中的误差阶高2.