基于马尔科夫链与鞍点逼近的模糊随机可靠性分析方法

针对同时存在随机不确定性和模糊不确定性的可靠性分析问题,提出了两种高效解决方法。一种是迭代马尔科夫链鞍点逼近法,该方法的基本思想是给定隶属水平下由迭代马尔科夫链和一次鞍点逼近法求得可靠度上下限,不同的隶属水平对应不同的可靠度上下限,遍历隶属水平的取值区间[0,1]即可求得可靠度隶属函数,与传统的两相Monte Carlo数字模拟法和迭代一次二阶矩法相比,该方法具有效率高和对非正态基本随机变量不需要进行正态转换的优点;第二种方法是迭代条件概率马尔科夫链模拟法,该方法在求解给定隶属度水平下的可靠度上下限时,由条件概率公式引入一个非线性修正因子,该因子的引入大大提高了功能函数为非线性的可靠性问题的求解精度。本文算例验证了所提方法的优越性。     

一类求解鞍点问题的广义不精确Uzawa方法

本文提出了一类求解大型稀疏鞍点问题的新的广义不精确Uzawa算法.该方法不仅可以包含 前人的方法, 而且可以拓展出很多新方法. 理论分析给出该方法收敛的条件, 并详细的分析了其收敛性质和参数矩阵的选取方法. 通过对有限元离散的Stokes问题的数值实验表明, 新方法是行之有效的, 其收敛速度明显优于原来的算法.     

广义鞍点问题的松弛维数分解预条件子

本文将Benzi等提出的松弛维数分解(Relaxed dimensionalfactorization, RDF)预条件子进一步推广到广义鞍点问题上,并称为GRDF(Generalized RDF)预条件子.该预条件子可看做是用维数分裂迭代法求解广义鞍点问题而导出的改进维数分裂(Modified dimensional split, MDS)预条件子的松弛形式, 它相比MDS预条件子更接近于系数矩阵, 因而结合Krylov子空间方法(如GMRES)有更快的收敛速度.文中分析了GRDF预处理矩阵特征值的一些性质,并用数值算例验证了新预条件子的有效性.     

关于广义鞍点问题的HSS迭代方法的收缩因子(英文)

白中治等提出了解非埃尔米特正定线性方程组的埃尔米特和反埃尔米特分裂(HSS)迭代方法(Bai Z Z,Golub G H,Ng M K.Hermitian and skew-Hermitian splitting methodsfor non-Hermitian positive definite linear systems.SIAM J.Matrix Anal.Appl.,2003,24:603-626).本文精确地估计了用HSS迭代方法求解广义鞍点问题时在加权2-范数和2-范数下的收缩因子.在实际的计算中,正是这些收缩因子而不是迭代矩阵的谱半径,本质上控制着HSS迭代方法的实际收敛速度.根据文中的分析,求解广义鞍点问题的HSS迭代方法的收缩因子在加权2-范数下等于1,在2-范数下它会大于等于1,而在某种适当选取的范数之下,它则会小于1.最后,用数值算例说明了理论结果的正确性.     

鞍点问题迭代解法收敛因子估计

分析Ｂａｎｋ（１９９０年）的论文中的求解鞍点问题的迭代解法,得到一个改进的收敛因子估计。     

集值映射向量优化问题的e-真有效解

引入了集值映射向量优化问题的αe-弱有效解、e-真有效解、e-真鞍点概念,在近似广义C-次似凸条件下,建立了e-真有效解的标量化定理、Lagrang乘子定理和e-真鞍点定理,并讨论了集值映射向量优化问题的αe-弱有效解的标量化定理和Laugrange乘子定理,推广了已有结果。     

多目标分式规划的基本定理

<正> §1 引言文章[1]中系统的讨论了多目标凸规划的弱有效介、有效介和真有效介的基本定理。在一定的条件下,论证了多目标凸规划问题与其相应的线性加权和问题、鞍点问题以及Lagra-nge问题之间的密切关系。     

一类三次系统的细奇点

本文研究了具有一个高阶奇点的系统（１,２）,通过在实系统中引入奇点量的概念使焦点量和鞍点量得到统一,并且计算了系统（１．２）的各阶奇点量,证明了这样的系统存在珐多三阶细奇点,而且同时存在细奇点的最大个数是四。当系统是四个细奇点时,它们可能是四个一阶细奇点或四个三阶细奇点。     

具有细链双曲无穷远鞍点的二次系统

本文得到：具有细链双曲无穷远鞍点和一个细焦点的二次系统至多存在一个极限环,若有细无穷远分界线环S,则其内部不存在极限环,其稳定性与它包围的奇点的稳定性相反．     

一类二层凸规划的分解法

研究了一类二层凸规划和与之相应的凸规划问题的等价性．并讨论了这类凸规划的对偶性和鞍点问题,最后给出了求解这类二层凸规划的一个分解法．