一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.     

关于不等式的一点注记

在广义的H－空间中，建立一类不等式，所得的结果推广并统一了文[1],[2]中的某些结果。     

齐型空间上的分数次极大算子的加权弱型不等式

设(X,d,μ)是 Coifman-Weiss 意义下的齐型空间,0≤α<1.定义 α阶分数次极大算子(?)~αf(x,t)=(?)1/(μ(B(x,r))~(1-α))∫_(B(x,r))|f(y)|dy.本文的目的有二:其一是将[3]、[4]中关于(?)~α 的加权弱型结果推广到齐型空间;其二是对限制增长的 Young′s 函数Φ,得到(?)~α 的弱型加权 Φ-不等式.     

Fourier—Haar积分及其平方函数和极大函数

§1.引言 我们已经知道([8]第一章),L(O,1)中的函数f(x),在它的Lebesgue点处可以展开成Fourier-Haar级数 本文指出(定理1),给(-∞, ∞)上的函数f(x)加上少许限制,在它的Lebesgue点x处,成立着Fourie-Haar积分公式     

高阶Schr(O)dinger方程的加权估计

本文主要研究的是相函数为齐次椭圆多项式的自由高阶Schrodinger方程.通过相函数等值面的几何性质,得到了解算子的Strichartz加权估计和极大算子加权估计.     

求解一类非单调线性互补问题的宽邻域内点方法及其计算复杂性

对于一类非单调线性互补问题给出了一种新的算法——宽邻域内点算法，并讨论了其计算复杂性。     

广义多目标minmax问题的最优性条件和极大熵方法

本文讨论了广义多目标minmax问题的最优性条件。利用极大熵逼近函数，研究了广义多目标minmax；问题的逼近问题，在较弱的条件下，证明了由极大熵逼近函数导出的多目标逼近问题的临界点的任一极限点均为原广义多目标minmax问题的临界点。     

使用非单调技术的不精确预条件牛顿类方法解非线性方程组

本文提供了预条件不精确牛顿型方法结合非单调技术解光滑的非线性方程组．在合理的条件下证明了算法的整体收敛性．进一步，基于预条件收敛的性质，获得了算法的局部收敛速率，并指出如何选择势序列保证预条件不精确牛顿型的算法局部超线性收敛速率．     

有限循环群的Fuzzy子群的等价类数

有限循环群G的F子群可以有无数个．但是．若当两个F子群的水平集构成的集合相等就称其等价的话，那么其等价类数是有限的。通过研究群的合成群列、商群列以及数的因数列和极大因数列找出了有限循环群的极大F子群和F子群的等价类数的求解公式．并给出二者之间的关系式．     

单调全局最优化问题的凸化外逼近算法

单调优化是指目标函数与约束函数均为单调函数的全局优化问题．本文提出一种新的凸化变换方法把单调函数化为凸函数，进而把单调优化问题化为等价的凸极大或凹极小问题，然后采用Hoffman的外逼近方法来求得问题的全局最优解．我们把这种凸化方法同Tuy的Polyblock外逼近方法作了比较，通过数值比较可以看出本文提出的凸化的方法在收敛速度上明显优于Polyblock方法．