移位算子是近次正常算子的充要条件

本文在文献[1]工作的基础上,给出单侧加权移位算子是近次正常算子的充要条件,它们是通过移位算子的权序列性质来刻画的。     

一类极小能控制与广义样条函数

本文讨论由一般微分方程确定的时不变线性系统的一类极小能控制问题。首先,通过引入降阶逆向系统揭示了原系统的输入与输出是由某个积分-微分算子联系着的,并利用该算子建立了极小能控制与广义样条的联系;然后在对于输出端的一类较广泛的约束条件下,导出了其输出空间与文[1]的输出空间具有类似的构造性质,从而建立了与文[1]类似的投影公式与递推公式。     

一类修正的和积分型算子的点态逼近

研究以Beta为基函数的一类修正的和积分型算子,利用统一光滑模。ω^2φ^λ（f,t）（0≤λ≤1）,得到该算子点态逼近的等价定理．     

基于算子空间的公式发现算法研究

在FDD提出的人工智能技术与曲线拟合技术结合的公式发现系统的基础上 ,提出了新的基于算子空间的公式发现算法 ,并在算法研究的基础上设计实现基于算子空间的可视化公式发现系统 ,该系统通过算子空间概念的引入 ,简化了算子空间的规则 ,同时引入导数规则、误差规则以及终止规则 ,丰富了知识库内容。通过以上改进 ,和BACON和FDD相比 ,公式发现的形式更广 ,复杂度更高。文章最后给出了应用实例以及公式发现的结果。     

基于TOPSIS评估算子的装甲装备作战能力评估

依据装甲装备作战能力评估问题的特点,采用TOPSIS方法评估装甲装备作战能力。装甲装备作战能力评估时,需构建基于TOPSIS方法的评估模型,支持装甲装备作战能力评估。算子是指定义了输入和输出,封装了一定操作的功能元件。从评估方法到评估算子元件的映射称为评估方法的算子化,生成的算子元件称为评估算子。将TOPSIS方法算子化为TOPSIS评估算子元件,运用TOPSIS算子元件构建装甲装备作战能力评估模型-算子树模型。算子树模型容易理解和调整,构建方便灵活,具有较好的重用性和扩展性,是解决装甲装备作战能力评估问题的一种有效途径。     

D-近次正常算子与不变子空间

研究D-近次正常算子类的代数与拓扑结构,在一定条件下证明其不变子空间的存在性．     

基于B-样条分形插值的垂直尺度因子的计算方法

将线性分形插值推广到B-样条上,可避免线性分形插值局限性,进一步扩大分形理论的应用范围。分形插值应用的关键问题,是如何合理地确定垂直尺度因子di的值,而它的计算却没有一种很有效的方法。通过解析方法,获得了均匀B-样条分形插值“S”点的代数解,从而,可准确计算出垂直尺度因子,解决了影响B-样条分形插值应用的难题。     

双正常算子及其性质

讨论Hilbert空间上具有A A与AA可交换的算子类的性质及其刻画,考察这类算子与其它算子类的关系,并给出了一些例子,用以说明有关算子类的包含关系.     

一类带有单调型算子紧扰动的半线性方程的可解性

在算子单调性和紧性假设下研究了半线性算子方程f∈Au-Tu+cu的可解性,其中A,T和C映一个自反Banach空间X的子集到它的对偶空间。所得结果扩展或改进了Guan最近的结果。     

MABAC method for multiple attribute group decision making under q-rung orthopair fuzzy environment

As the generalization of intuitionistic fuzzy set (IFS) and Pythagorean fuzzy set (PFS), the q-rung orthopair fuzzy set (q-ROFS) has emerged as a more meaningful and effective tool to solve multiple attribute group decision making (MAGDM) problems in management and scientific domains. The MABAC (multi-attributive border approximation area comparison) model, which handles the complex and uncertain decision making issues by computing the distance between each alternative and the bored approximation area (BAA), has been investigated by an increasing number of researchers more recent years. In our article, consider the conventional MABAC model and some fundamental theories of q-rung orthopair fuzzy set (q-ROFS), we shall introduce the q-rung orthopair fuzzy MABAC model to solve MADM problems. at first, we briefly review some basic theories related to q-ROFS and conventional MABAC model. Furthermore, the q-rung orthopair fuzzy MABAC model is built and the decision making steps are described. In the end, An actual MADM application has been given to testify this new model and some comparisons between this novel MABAC model and two q-ROFNs aggregation operators are provided to further demonstrate the merits of the q-rung orthopair fuzzy MABAC model.