区间Bézier曲线的离散

把Bézier曲线的离散公式推广到区间Bézier曲线,并提出区间控制多边形的概念,证明了离散不断进行时,区间控制多边形收敛到原区间Bézier曲线.这里的离散公式可以增加控制顶点的数目,便于更加灵活地对这些区间曲线作形状控制.由离散公式和离散的收敛性可得到一种简洁有效的区间Bézier曲线的几何作图方法.     

随机变量的统计收敛性

将FRIDYJA关于实数序列的统计收敛的概念推广到了随机变量序列上，并给出了a．s．收敛，依概率收敛，依分布收敛相对应的统计收敛的定义，给出了统计a．s．收敛、统计依概率收敛的充要条件或充分条件.     

区间数及在控制系统中的应用

在生产过程中,有些控制系统中的参数不是常数而是一个区间时,与常规的方法有较大的不同.本文以一阶系统为例,在MATLAB环境下用INTLAB软件编程建立运行区间系统,获得采用PI调节器进行校正后其系统的输出响应,并用仿真结果的变化来确定区间系统的最优控制参数.     

一个并行计算多项式全部零点的圆盘迭代法

运用加速技巧,提出了求解复多项式全部零点的圆盘算术法,考虑了其收敛定理和收敛条件,使收敛价提高到7阶,而计算工作量增加不多.     

约束条件下基于区间组合的测试用例生成

本文构建了一个基于区间集的组合覆盖测试模型并提出了一个基于区间组合的测试用例生成算法(TCGIC).TCGIC算法用符号执行方法收集程序路径的约束条件,寻找相互关联的输入参数;借鉴组合覆盖测试的方法,构建解区间组合树,并选用深度优先策略或其他组合覆盖策略,获得输入参数的区间组合的集合;运用区间运算的方法,把每一个区间组合代入到程序路径的约束条件中,判断区间组合上程序路径的可达性;选用相应的用例生成策略,在路径可达的区间组合上生成测试用例.     

数列和可测函数的几乎收敛性

对经典的数列极限进行了推广，通过引入几乎收敛的定义，证明了几个重要性质以及数列几乎收敛的充分必要条件，建立了几乎收敛与严格收敛之间的等价关系。以Rⁿ上的Lebesgue测度为基础，建立了Rⁿ子集的密度概念，引入了可测函数几乎收敛的定义，证明了与数列几乎收敛平行的若干性质，以及函数几乎收敛基本定理。给出了函数几乎连续的定义，利用Lebesgue微分定理，证明了任意可测函数在Rⁿ上几乎处处几乎连续。     

不平衡迭代法在非负矩阵分解中的应用

为了加快非负矩阵迭代算法的收敛速度及快速的收敛于目标函数,提出了一种叫做不平衡迭代的算法。数值实验表明,新的算法比传统的非负矩阵分解方法具有更快的收敛速度。     

耗散结构和差分变异混合的鸡群算法

针对标准鸡群算法在求解高维优化问题时过早收敛于局部最优和收敛速度慢等问题,提出了一种耗散结构和差分变异混合的鸡群算法.该算法通过将耗散结构引入至雄鸡位置的更新公式,扩大了鸡群的搜索空间,增强了算法的全局搜索能力;同时,通过对随机选择的个体进行差分变异操作,增强了算法的收敛性能.对选取的18个标准函数进行仿真实验,结果表明,算法的收敛精度、收敛速度和稳定性均明显优于其他几种算法.     

连续正则化牛顿方法的收敛率

对半正定线性算子方程考虑了一类连续正则化牛顿方法,给出了收敛证明,得到了收敛率.考虑了右端数据有误差的情形,并给出了先验的与后验的停止准则,在一定条件下收敛率是最优的.     

基于多准则决策的塔状粒子群优化算法

针对经典粒子群优化算法存在早熟、收敛精度低和收敛速度慢的问题, 提出了一种新的改进算法. 该算法采用了塔状优化互联机制, 底层粒子群负责寻找局部最优解, 顶层粒子负责收集、反馈全局最优解, 为底层种群提供全局最优信息, 建立共享学习机制. 顶层粒子一旦发现停滞现象, 将通知底层粒子群采用细菌觅食优化、随机初始化等停滞优化策略, 以改善粒子群的收敛速度. 实验结果表明, 与同类算法相比, 改进算法具有更好的寻优能力, 改善了粒子群的收敛精度和收敛速度.     

基于演化的信赖域方法

把全局搜索性能优良的演人算法与具有总体收敛性能的信赖域算法相颌合形成局部随机搜索与全局确定性搜索相结合的演变信赖域,经具有适应性广，收敛性能好和收敛速度快的特点，为解决复杂的非线性优化问题提供了一种有效算法，并证明了算法的收敛性。     

修正的Halley迭代法求解带不可微项方程

建立了求解带不可微项方程的修正Halley迭代法。收敛速率保持三阶，每两次迭代步骤中，比Halley迭代法少计算两个导数值。利用优序列技巧，在点估计判据下，证明了迭代格式的收敛性，给出了误差估计，进行了数值实验。     

奇异摄动问题在修正的Bakhvalov-Shishkin网格上的混合差分格式

在分3段修正的Bakhvalov-Shishkin网格上，将中点迎风格式和中心差分格式相结合，建立了新混合差分格式算法，以求解一维奇异摄动两点边值问题。借助截断误差、离散比较原理和障碍函数等，得到了与摄动参数ε一致的较好的收敛阶数，从粗网格部分到细网格部分依次为二阶收敛、一阶收敛和二阶收敛。数值算例表明，该方法在实际求解精度上较其他3种方法优越。     

奇异摄动问题在修正的Bakhvalov-Shishkin网格上的混合差分格式

在分3段修正的Bakhvalov-Shishkin网格上,将中点迎风格式和中心差分格式相结合,建立了新混合差分格式算法,以求解一维奇异摄动两点边值问题。借助截断误差、离散比较原理和障碍函数等,得到了与摄动参数ε一致的较好的收敛阶数,从粗网格部分到细网格部分依次为二阶收敛、一阶收敛和二阶收敛。数值算例表明,该方法在实际求解精度上较其他3种方法优越。     

求解非线性方程的一个新方法

提出了一种求解非线性方程的数值方法，此方法不需要导数的计算，其收敛阶与抛物线法相同，但计算量要比抛物线法小得多。     

并行迭代的高阶加速方法

从4阶收敛的并行迭代公式出发,利用并行加速技巧构造了一个5阶收敛的并行迭代算法,并进行了收敛性分析,通过数值实验验证了算法的高速收敛性.     

Laplace-Stieltjes变换所定义的解析函数的准确零(R)级

通过引入型函数的概念,在减弱相关条件的情形下研究了右半平面内收敛的Laplace-Stieltjes变换所定义的解析函数的准确零(R)级问题,得到了该解析函数具有准确零(R)级的两个充要条件。该结果将之前等价条件中的上极限精确到极限,使得结果更加准确。     

光滑函数实根计算的渐进显式公式

求根问题在计算机图形学、机器人技术、地磁导航等领域应用广泛。基于重新参数化方法（reparamaterization-based method,RBM）,给出了用于计算给定光滑函数在某区间内唯一实根的渐进式显式公式。给定光滑函数f（t）,用有理多项式A_i（s）对曲线C（t）=（t,f（t））进行插值,得到重新参数化函数t =?_i（s）,使得A_i（s_j）=C（?_i（s_j））。提出了基于重新参数化函数?_i（s）的显式公式用于渐进式逼近f（t）对应的实根,在n个函数计算的成本下,收敛阶可达到3·2^n-2,其中n≥3。与类牛顿法相比,本文方法提高了计算稳定性,且收敛速度更快、计算效率更高。与裁剪法相比,本文方法不需要求解包围多项式,且可用于非多项式函数计算,计算效率更高。数值实例表明,每增加一个插值点,逼近阶可提高一倍,且可获得较传统裁剪法更高的计算效率。     

一个并行迭代的加速法

本文运用加速技巧 ,给出了一个求复多项式零点的并行迭代法 ,该方法具有较高的收敛阶和计 算效率 .