视错觉之视觉焦点与组织

正有的设计为什/厶一眼就令人印象深刻?有的设计为什么平平无奇,吸引不了别人的眼球?那是因为,成功的设计抓住了视觉焦点。'人们用视觉获取环境中的信息,视线集中的中心点是最清晰的,而我们可以运用视错觉来使你希望别人注意的地方成为焦点。     

$\alpha$-阶次预不变凸集值优化[英文]

给出$\alpha$-阶次预不变凸性概念,举例说明它是预不变凸性的真推广. 利用广义切上图导数的性质,得到集值优化取得Henig 真有效元的必要条件. 当目标函数为$\alpha$-阶次预不变凸时,建立了集值优化取得Henig有效元的充分条件,因而得到统一形式的充分和必要条件. 并给出两个例子解释本文的主要结果.     

上图像拓扑与多目标优化问题加权解的通有稳定性

用函数的上图象之间的Hausdorff距离定义向量值函数间的距离,在此弱拓扑下研究了多目标优化问题加权解关于权因子和目标函数的稳定性,指出加权解关于权因子和目标函数是通有稳定的．     

一类随机二层规划问题的近似求解方法收敛性分析

利用离散化的方法来处理连续型随机变量,将含有连续型随机变量的一类随机二层规划问题转化为一系列确定二层规划问题,证明了这种近似逼近问题的解上图收敛到原问题的解.     

B(LF,ω～2 )-refinability of inverse limits

Let X be the limit of an inverse system {X α , παβ , Λ} and and let λ be the cardinal number of Λ. Assume that each projection πα : X→ X α is an open and onto map and X is λ-paracompact. We prove that if each X α is B(LF, ω 2 )-refinable (hereditarily B(LF, ω 2 )-refinable), then X is B(LF, ω 2 )-refinable (hereditarily B(LF, ω 2 )-refinable). Furthermore, we show that B(LF, ω 2 )-refinable spaces can be preserved inversely under closed maps.     

一类随机规划逼近最优值和最优解集的收敛性

本文提出强上图收敛的概念,讨论了逼近随机规划的目标函数序列的强上图收敛性,研究了逼近随机规划最优值和最优解集的收敛性条件,得到了一类随机规划逼近最优值和最优解集的收敛性.     

半无限规划的一种离散逼近法

首先根据K-收敛理论及有限覆盖定理给出了半无限规划问题的一种新的离散方法；然后结合上图收敛性理论证明了半无限规划问题的一些新的收敛性命题；同时也指出了这种新的离散逼近方法与网格逼近法在收敛性及收敛速度上有一些相似的结论成立，但其在关于SIP问题收敛性和收敛结果的检验上比其他方法更为方便。     

集值映射的广义梯度和全局真有效解

本文利用集值映射的上图导数引进了全局真有效意义下的广义梯度和广义次微分的概念，并且给出了集值映射全局真有效次微分的存在定理，还建立了集值向量优化问题全局真有效解在次微分形式下的最优性条件．     

非凸向量集值优化Benson真有效解的最优性条件与对偶

在无需偏序锥内部非空的情况下给出了非凸约束向量集值优化Benaon真有效解一种加细的最优性条件，并建立了向量集值优化Benson真有效解一种改进的Lagrange乘子型对偶，它比已有的Lagrange乘子型对偶具有较好的对偶性。     

不确定规划逼近问题最优解的几乎处处上半收敛性

对不确定规划经验逼近问题的最优解的几乎处处上半收敛性进行了研究。首先将带有约束的不确定规划问题转化成与其等价的无约束的不确定优化问题,然后将经验测度替代不确定测度得到不确定规划的经验逼近模型,并得出逼近问题的目标函数序列的几乎处处上图收敛性,最后利用上图收敛性理论,给出了不确定规划经验逼近最优解集的几乎处处上半收敛性。