不含整数2的2-系整数组成的可重集的计数公式

为了更好地研究图的组合性质,就特殊图类的伴随等价图的计数问题做了讨论.通过讨论由2-系整数组成且不含整数2的可重集的色等价图的计数问题得到伴随等价图的计数方法.给出了伴随等价图及其补图的色等价图的个数的计算公式.本文提供了一种图的伴随等价计数的新方法,此方法比传统方法更为简洁.     

一类点传递但边不传递的正则图及其覆盖图

利用轮子图构造出一类图,证明了这类图都是点传递但边不传递的正则图,并证明了通过覆盖的方法,可以使一类2m²(m>3,m为正整数)阶非边传递图变成对称图,这类对称图实际上是亚循环图.     

简单图的最大匹配的矩阵求法

简单图的最大匹配与完美匹配一般算起来比较困难,而且至今未见用矩阵解决这类问题的报道.利用图的邻接矩阵及关联矩阵求简单图的最大匹配和二分图的完美匹配,对于二分图的完美匹配及一般简单图的最大匹配各给出了两种方法,这些方法简洁又便于用矩阵软件进行计算.     

图的可达性矩阵的一种新求法

图的可达性矩阵在判断图的强连通性以及求强连通分图中具有重要作用.根据传统求解图的可达性矩阵的特点,在定义链长的基础上,寻求了一种新的计算方法,采用逐次求平方的方法进一步降低计算量.     

有偏总体的极差控制图

根据加权标准差方法建立有偏总体的极差控制图,它基于有偏总体来计算对应于正态分布的控制图常数,根据样本数据的偏度来计算上下控制限,对于总体是对称分布,该控制图退化为标准的休哈特控制图.最后,用蒙特卡洛方法给出了改进的控制图常数.     

W_4 ∨ C_n的交叉数

本文研究了五阶图与圈图的联图交叉数.利用假设法和比较法等方法,得到了W4∨Cn的交叉数为Z(5,n)+n+n2+4,并推广了联图交叉数的结果与方法.     

几乎自补Cayley图及其在CI-群上的应用

设X为点传递图,F是与图X具有相同顶点集合的1因子图,若X∪F的补图X∪F≌X称X是几乎自补点传递图.通过Cayley同构方法构造了一族几乎自补点传递图.并将此方法应用一类CI-群上,得到了在此类群上的几乎自补的Cayley图的构造.     

Halin图谱半径的新上界及极图

利用移接变形的方法再结合特征值的计算技巧刻画出Halin图中谱半径达到第二大的极图,从而得到除轮图以外的Halin图的谱半径的上界以及极图.     

自同构群为Mathieu群的边本原图

一个图Γ称之为边本原图.若Γ的全自同构群作用在Γ的边集上是本原的.边本原图是一类重要的对称图,这类图不是很多,但一些著名的图,比如Heawood图,Tutte-Coxeter图和Higman-Sims图都是边本原图.我们通过构造陪集图的方法来研究边本原图,并给出了基柱为Mathieu群的几乎单群上边本原图的分类.     

项链李代数的同构与同构群

研究了一些特殊箭图的同构,这些特殊箭图包括垂直叠加的箭图和水平叠加的箭图. 跟以前的研究方法相比, 文中的研究方法是不同的和新颖的, 即利用指标数组把复杂的李运算转换为多重指标集的运算.     

一种基于矩阵初等变换的Schmidt正交化方法

对向量组的Schmidt正交化法和合同变换法的关系进行了分析,指出Schmidt正交化法就是合同变换法中利用规范化初等变换后的一种特殊情况,由此给出一种基于矩阵初等变换的Schmidt正交化方法——Schmidt初等变换正交化法,以及这一方法在软件Matlab上实现的程序.     

拟Raabe判别法与拟对数判别法的强弱关系

拟Raabe判别法是新近提出的关于正项级数收敛性的一种比较细致的判别法.对通项递减的正项级数来说,此判别法强于传统的Raabe判别法与Gauss判别法.通过对拟Raabe判别法与另一个细致的判别法——拟对数判别法强弱关系的探讨,得出了后一判别法强于前者的结论.     

A COLUMN-SECANT UPDATE TECHNIQUE FOR SOLVING SYSTEM OF NONLINEAR EQUATIONS

In this paper,we present a column-secant modification of the SCC method,which is called the CSSCC method.The CSSCC method uses function values more efficiently than the SCC method,and it is shown that the CSSCC method has better local q-convergence and r-convergence rates than the SCC method.The numerical results show that the CSSCC method is competitive with some well known methods for some standard test problems.     

Finding roots of a real polynomial simultaneously by means of Bairstow's method

Aberth's method for finding the roots of a polynomial was shown to be robust. However, complex arithmetic is needed in this method even if the polynomial is real, because it starts with complex initial approximations. A novel method is proposed for real polynomials that does not require any complex arithmetic within iterations. It is based on the observation that Aberth's method is a systematic use of Newton's method. The analogous technique is then applied to Bairstow's procedure in the proposed method. As a result, the method needs half the computations per iteration than Aberth's method. Numerical experiments showed that the new method exhibited a competitive overall performance for the test polynomials.     

自适应多重网格法与超松弛法的比较

多重网格法(Multiple Grid Method,简称M-G方法)是近年来出现的快速方法之一,本文在M-G方法中采用自适应控制层间转换的技术,并将自适应M-G方法与G-S迭代方法及SOR迭代方,法进行了比较。其计算结果表明,自适应M-G方法的计算量比G-S迭代及SOR迭代少得多,当M-G方法所用层数为4-6层,这种优越性就更加明显,且自适应M-G方法中选取控制参数有很大的灵活性。     

一种求解非线性互补问题的方法及其收敛性

本文将Newton方法和外梯度方法相结合,提出了一种求解非线性互补问题的方法,证明了此方法的全局收敛性和超线性收敛性,在适当的条件下给出了一个有限终止结果。数值实验表明,此方法是有效的。     

一个解凸二次规划的预测-校正光滑化方法

本文为凸二次规划问题提出一个光滑型方法,它是Engelke和Kanzow提出的解线性规划的光滑化算法的推广。其主要思想是将二次规划的最优性K-T条件写成一个非线性非光滑方程组,并利用Newton型方法来解其光滑近似。本文的方法是预测-校正方法。在较弱的条件下,证明了算法的全局收敛性和超线性收敛性。     

基于支持向量机的武器系统参数费用模型

在武器系统分析中,建立武器参数费用模型时,首先要挑选特征参数,这里采用R ough理论中的知识约简方法选择武器的特征参数;利用支持向量机建立了参数费用模型;给出了实例和解决此问题的支持向量机源程序.通过实例与线性回归法和神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.     

多孔介质二相驱动问题一种修正特征有限元方法的迭代解法及其收敛性分析

0 引言 多孔介质二相驱动问题的数学模型是由压力方程与浓度方程组成的偏微分方程组的初边值问题.关于该问题的数值解问题,已有大量的文献.为了得到最优的L~2-模误差估计,好多方法用混合元方法解压力方程.我们知道,混合元法得到的方程组系数矩阵是非正定的,从而解混合元比解标准元要困难得多,虽然许多人研究了混合元方法的求解问题,但到目前为止,还没有看到令人满意的好的算法.为了避开对混合元的求解,著名学者T.F.Russell考虑了用标准有限元方法解压力方程,用特征有限元方法解浓度方程的求解方法及其迭代解法,对只有分子扩散的二相驱动问题得到了最优的L~2模误差估计,对有机械弥散的一般二相驱动问题得不到最优的L~2模误差估计,同时在收敛性证明中要求压力有限元空间的指数至少是二.     

求解病态线性方程组的收缩Lanczos方法

Lanczos方法是求解大型线性方程组的常用方法.遗憾的是,在Lanczos过程中通常会发生算法中断或数值不稳定的情况.将给出求解大型对称线性方程组的收缩Lanczos方法,即DLanczos方法.新算法将采用增广子空间技术,在Lanczos过程中向Krylov子空间加入少量绝对值较小的特征值所对应的特征向量进行收缩.数值实验表明,新算法比Lanczos方法收敛速度更快,并且适合求解病态对称线性方程组.