两两NQD列的收敛性质

本文首先给出两两 ＮＱＤ列的 Ｋｏｌｍｏｇｏｒｏｖ型不等式，进而讨论两两 ＮＱＤ列的收敛性质，获得了与独立情形一样的Ｂａｕｍ和Ｋａｔｚ完全收敛定理，几乎达到独立惰形著名的Ｍａｒｃｉｎｋｉｅｗｉｃｚ强大数定律、三级数定理等结果．  

关于两两NQD列的若干极限性质

本文讨论了两两ＮＱＤ列的Ｍａｒｃｉｎｋｉｅｗｉｃｚ型弱大数律及Ｊａｍｉｓｏｎ型加权和的强稳定性，指出了两两ＮＱＤ列与独立列的一个本质性区别，从而提出了解决两两ＮＱＤ旬几乎处处收敛和完全收敛的一种方式。  

混合序列矩不等式和非参数估计

对p-混合、(?)-混合序列给出两个矩不等式,它们在加权和序列研究中比邵启满在[6]、[7]中给出的矩不等式更实用.作为应用,这里讨论非参数递归密度核估计的强收敛速度和非参数回归函数加权核估计的强相合性,获得较好结论.  

刻度指数族参数的经验Bayes检验问题:NA样本情形

本文利用同分布负相协（ＮＡ）样本情形概率密度函数的核估计构造了刻度指数族参数的经验Ｂａｙｅｓ（ＥＢ）检验函数，并获得了它的渐近最优（ａ．ｏ．）性。在适当的条件下证明了所提出的ＥＢ检验函数收敛速度可任意接近ｏ（ｎ＾－１２）。最后给出了一个有关本文主要结果的例子。  

遗传算法基础理论研究的新近发展

本文综述了有关遗传算法收敛性及收敛速度估计的近期研究结果，在分类概述相关的Ｖｏｓｅ－Ｌｉｅｐｉｎｓ模型、Ｍａｒｋｏｖ链模型、公理化模型、连续（积分算子）模型及收敛速度估计、迭代次数估计与时间复杂性估计的基础上，指出遗传算法理论研究存在的其它亟待解决的问题。  

多目标优化问题的模糊交叉算法与收敛性

本文研究了目标权重未事先确知的多目标优化问题，建立可以同时确定目标权重与方案相对优属度的模糊交叉迭代算法，严格证明了该算法的局部收敛性．  

混合序列加权和的强收敛性

本文给出混合序列加权和的强收敛性的一些充分条件，这些结论推广和改进了文［１］定理３，文［２］定理３；文［３］定理４．１５以及文［４］定理４．  

部分线性模型中估计的收敛速度

考虑回归模型（Ⅰ）：其中（ｘ＿ｉ，ｔ＿ｉ）是固定非随机设计点列，ｘ＿ｉ＝（ｘ＿（ｉｌ），…，ｘ＿（ｉｐ））＇β＝（β＿１，…，β＿ｐ）＇（ｐ＞１），ｇ是定义在［０，１］上的未知函数，β是未知待估参数，０＜ｔ＿ｉ＜１，ｅ＿ｉ是ｉ．ｉ．ｄ．随机误差，且Ｅｅ＿ｉ＝０，Ｅｅ＝σ￣２＜∞。基于ｇ的估计取一类非参数权估计（包括常见的核估计和近邻估计），我们讨论了β的最小二乘估计及ｇ的估计的最优强弱收敛速度。  

B值渐近鞅的强弱大数定律

本文用Ｂ值渐近鞅的Ｄｏｏｂ分解，研究了取值于具有ＲＮＰ且对偶可分的Ｂａｎａｃｈ空间Ｂ值渐近鞅的强弱大数定律．给出了一系列结果及其证明  

Nonmonotonic trust region algorithm

A nonmonotonic trust region method for unconstrained optimization problems is presented. Although the method allows the sequence of values of the objective function to be nonmonotonic, convergence properties similar to those for the usual trust region method are proved under certain conditions, including conditions on the approximate solutions to the subproblem. To make the solution satisfy these conditions, an algorithm to solve the subproblem is also established. Finally, some numerical results are reported which show that the nonmonotonic trust region method is superior to the usual trust region method according to both the number of gradient evaluations and the number of function evaluations.The authors would like to thank Professor L. C. W. Dixon for his useful suggestions.