带混合边界条件的Holling-Ⅱ型捕食模型正稳态解的存在性

研究了一个带混合边界条件的Holling-Ⅱ型捕食模型．通过构造一个微分紧算子K,借助锥内不动点指数理论、拓扑度理论、椭圆方程估计理论和极值原理证得了算子K存在正的不动点,此结论表明捕食模型存在正解,即物种共存状态．     

随机非线性凝聚算子方程的随机解

利用随机拓扑度理论研究随机非线性凝聚算子,在一定条件下得到随机算子方程A（w,x）=μx的随机解和随机算子不动点的存在性,所得结论减弱了已知文献中相应定理的条件．     

白噪声分析中的梯度算子和散度算子

在白噪声分析的框架中，我们给出了广义Weiner泛函空间上的梯度算子和散度算子的定义与公式，并利用梯度和散度算子以及适应投影建立了广义泛函的表示公式．也证明了积分核算子可用梯度与散度算子表出．     

关于M-PN空间中的非线性算子

在Menger概率线性赋范空间中,利用该空间中的Leray-Schauder拓扑度理论,研究非线性算子T,建立了紧连续算子了T有固有值γ和δW上存在对应于γ的固有元的一系列充分条件．同时,也改进和推广了若干个重要结论。     

Z-P-S空间中一类非线性算子方程解的存在性问题

拓扑度理论是研究非线性算子方程解的存在性的有力工具.利用拓扑度的方法,对Z-P-S空间中一类非线性算子方程解的存在性问题进行了研究,得到了若干新的结果.     

全连续随机算子的边界不动点定理

本文利用随机拓扑度理论研究全连续随机算子的不动点问题,得到若干仅依赖于边界条件的随机不动点定理.作为特例,也给出了相应的确定性算子的边界不动点定理.     

伪单调映射的拓扑度及应用

利用S+型映射的拓扑度,导出了伪单调映射紧扰动的拓扑度,并讨论了该拓扑度对算子值域的应用．     

带紧扰动的极大单调算子的零点定理

使用Leray-Schauder度理论研究了带紧扰动的极大单调算子的零点问题,获得了一些新的零点定理。     

M-PN 空间中的非线性问题

在MengerPN空间中构造新的边界条件,采用新的技巧,通过拓扑度理论给出几类非线性算子方程解的存在性定理,改进了以往若干结论,并将所得的结果应用到一类特殊的函数方程中．     

关于随机解析算子函数的正族性质

该文在经典函数的正族理论基础上建立了随机解析算子函数的正族、一致有界和等度连续等概念，并在此意义下，给出了随机解析算子函数族内闭一致有界与等度连续、正族与一致有界的关系，以及随机解析算子函数族为正族的一个充分必要条件。     

基于关联度的灰色模糊综合评判

针对被评判对象的特点,根据灰色模糊数学的理论,将隶属度和灰度综合起来表示灰色模糊数,并结合灰色关联度的应用,建立了基于关联度分析的灰色模糊综合评判的数学模型,此方法能使评判结果更加客观可信.     

区间数相似度研究

对区间数相似性问题进行了探讨.定义了区间数相似度的概念,给出了度量区间数相似度的一个简洁公式,详细研究了它的一些优良性质,如:自反性、对称性和传递性等,并且研究了区间数相似度公式与区间数排序的可能度公式之间的关系,从而为区间数的实际应用奠定了理论基础.     

席位分配的平均公平度方法

定义个体相对于总体的公平程度,即个体公平度与总体绝对公平度的比值,当比值趋于1时,就说明分配方案使该个体满意.利用方差的概念定义平均公平度,使个体公平程度相对于总体的公平程度的差距最小,等价于每一个个体公平度都很接近,并且趋于1,每个个体的公平程度达到最大,此时座位分配最为公平.     

二值命题逻辑中有限理论数值特征的真度研究

以真度为基础,给出了有限理论的发散度、伪距离和有效度等数值特征的一般真度表示式,并研究了它们之间的关系.     

Sequences that Preserve the Homological Degree

The homological degree is a cohomological degree generalizing the classical degree function of a module. Given a finitely generated graded module M, over a standard graded ring A, this note is concerned with the question of when, for an element x in the augmentation ideal of A that is not in any associated prime of M other than the augmentation ideal itself, the homological degree of M is equal to the homological degree of M/xM. This question is answered when the dimension of M is one or two.     

基于整体性思想的数据分析

通过对风险函数的分解,首先得到了传统上在独立同分布模型或线性模型假定下被忽视的度量复杂系统非线性程度的重要指标-扭曲度,然后对如何降低风险进行了讨论.逐步引出了干扰度、偏离度和信息分解比,它们与风险函数和扭曲度一起组成五个指标;最后权衡这五个指标,达到对稳定中心度量指标的控制.这也是用整体性思想进行数据分析的一种尝试.     

Forcing highly connected subgraphs

A theorem of Mader states that highly connected subgraphs can be forced in finite graphs by assuming a high minimum degree. We extend this result to infinite graphs. Here, it is necessary to require not only high degree for the vertices but also high vertex‐degree (or multiplicity) for the ends of the graph, that is, a large number of disjoint rays in each end. We give a lower bound on the degree of vertices and the vertex‐degree of the ends which is quadratic in k, the connectedness of the desired subgraph. In fact, this is not far from best possible: we exhibit a family of graphs with a degree of order 2^k at the vertices and a vertex‐degree of order k log k at the ends which have no k‐connected subgraphs. Furthermore, if in addition to the high degrees at the vertices, we only require high edge‐degree for the ends (which is defined as the maximum number of edge‐disjoint rays in an end), Mader's theorem does not extend to infinite graphs, not even to locally finite ones. We give a counterexample in this respect. But, assuming a lower bound of at least 2k for the edge‐degree at the ends and the degree at the vertices does suffice to ensure the existence (k + 1)‐edge‐connected subgraphs in arbitrary graphs. © 2006 Wiley Periodicals, Inc. J Graph Theory 54: 331–349, 2007     

命题逻辑中概率真度的相似度及伪距离

通过引入赋值密度函数、边缘密度函数等概念,给出了连续值命题逻辑系统中公式概率真度的定义,研究了概率真度的推理规则并证明了全体公式的概率真度之集在[0,1]中的稠密性,在此基础上给出了3种相似度,讨论了其性质及关系,并由此定义了3种伪距离,确定了三者之间的比例关系,为推理程度的数值化提供了依据.     

单侧贴近度,双侧贴近度及其与普通贴近度的转换

本文引入了两类有直观实际背景的特殊贴近度，单侧贴近度和双侧贴近度，同时给出了由任意普通贴近度出发构造单侧贴近度，双侧贴近度，及其单双侧贴近度相互之间转换的一般方法。     

Corrigendum to “Probabilistic properties of the relative tensor degree of finite groups” [Indag. Math. (N.S.) 27 (2016) 147–159]

We clarify Theorems 5.1 and 5.4 of our paper “Probabilistic properties of the relative tensor degree of finite groups”, published in Indagationes Mathematicae 27 (2016), 147–159.