求解半定乘性规划的外部逼近算法

定义了半定乘性规划问题,提出一种求解它的外部逼近算法,并通过具体的实例说明算法的可行性.     

算子半群生成元的等价豫解特征

本文给出了Ｈｉｌｌｅ－Ｙｏｓｉｄａ条件等价的几个新的算子半群生成元的豫解特征。     

L_P（Ω）空间上一类C_0－半群的稳定性及应用

本文揭示了ＬＰ－空间中一类Ｃ０半群稳定性的特征，从而获得一个在实际问题中较易检验的稳定性条件．作为应用，本文研究了中子迁移系统的稳定性．     

包含度空间中的收敛性

本文引入包含度空间中的Ｄ－收敛和滤子收敛,并证明二者等价;然后给出Ｌ＾ｐ「ａ,ｂ」（１≤ｐ〈∞）空间中的又一种包含度收敛,证明其与测度收敛等价。     

非线性Lipschitz算子半群的渐近性质及其应用

本文对一类非线性算子半群————Lipschitz算子半群的渐近性质进行研究,刻划了非线性Lipschitz算子半群所具有的基本渐近性质（这些性质与线性算子半群所具有的基本渐近性质相一致）,证明了作为线性算子对数范数的非线性推广,Dahlquist数能用于刻划非线性Lipschitz算子半群的渐近性质.为克服Dahlquist数只对Lips-chitz算子有定义的缺点,本文引入一个全新的特征数:广义 Dahlquist数,并证明广义Dahlquist数比Dahlquist数能更为精确地刻划Lipschitz算子半群的渐近性质.作为应用,得到关于 Hopfield型神经网络全局指数稳定性的一个新结果.     

C_0半群在非线性Lipschitz扰动下的范数连续性保持

研究有界线性算子强连续半群在非线性Lipschitz扰动下的正则性质保持问题.具体地,我们证明:如果强连续半群是直接范数连续的,则非线性扰动半群是直接Lipschitz范数连续的.结论推广了线性算子半群的范数连续性质保持,丰富和完善了非线性算子半群的理论.     

Cohen-Grossberg神经网络的全局指数稳定性分析

本文研究了CohenGrossberg神经网络模型的指数稳定性.为避免构造Lyapunov函数的困难,我们采用广义相对Dalquist数方法来分析神经网络的稳定性.借助这一方法,我们不但得到了CohenGrossberg神经网络模型平衡解的存在性、唯一性和全局指数稳定性的新的充分条件,而且给出了神经网络的指数衰减估计.所获结论改进了已有文献的相关结果.     

关于非线性Lipschitz算子的Soderlind猜想

设ｆ是以Ｌ（ｆ）为最小上界Ｌｉｐｓｃｈｉｔｚ常数，以ρ（ｆ）为谱域半径，以γ（ｆ）为Ｇｅｒｓｃｈｇｏｒｉｍ域半径的有限维非线性Ｌｉｐｓｃｈｉｔｚ算子，本文证明了“存在等价范数‖．‖＾＊使Ｌ＾＊（ｆ）＝ｒ＾＊（ｆ）的Ｓｏｄｅｒｌｉｎｄ猜想；给出反例否定了Ｓｏｄｅｒｌｉｎｄ的另一猜想：”存在等价范烤‖．‖ε使Ｌε使Ｌε（ｆ）≤ρ（ｆ）＋δ的猜想。     

广义相对Dalquist数及其在非线性系统稳定性分析中的应用

对非线性算子引入了一个新概念——广义相对Dalquist数,建立了一般的非线性系统稳定性分析的一种新方法.借助这一新方法,得到了非线性系统指数稳定的充分条件,并给出了解的指数衰减估计.     

关于非线性Lipschitz算子的Sderlind猜想

设ｆ是以Ｌ（ｆ）为最小上界Ｌｉｐｓｃｈｉｔｚ常数、以ρ（ｆ）为谱域半径、以ｒ（ｆ）为Ｇｅｒｓｃｈｇｏｒｉｍ域半径的有限维非线性Ｌｉｐｓｃｈｉｔｚ算子．本文证明了“存在等价范数‖·‖使Ｌ（ｆ）＝ｒ（ｆ）”的Ｓｄｅｒｌｉｎｄ猜想；给出反例否定了Ｓｄｅｒｌｉｎｄ的另一个猜想：“存在等价范数‖·‖使Ｌ（ｆ）ｒ（ｆ）”（注意ｒ（ｆ）与ｒ（ｆ）的区别），同时也否定了“ε＞０，存在等价范数‖·‖ε使Ｌε（ｆ）ρ（ｆ）＋ε”的猜想．作为以上所获结论的应用，本文将有关Ｄａｕｇａｖｅｔ方程的相应结果推广到了非线性算子情形．