T-型树T(1,l,m)可由其谱唯一决定

一棵树称为T-型树,如果其恰有一个最大度为3的顶点.令T(l1,l2,l3)表示唯一的一棵T-型树,使得其3-度顶点到每个1-度顶点的距离分别为l1,l2,l3.本文证明T(1,l,m)(l,m≥1)可由其相邻谱唯一决定.     

求解带均衡约束数学规划问题的一个连续化方法

In this paper, a continuation method for mathematical programs with equilibrium constraints (MPEC) is proposed. By using the KKT conditions for the variational inequality constraints, the MPEC is firstly reformulated as a nonsmooth constrained optimization problem, then we solve a sequence of smooth perturbation problems, which progressively approximate the nonsmooth problem, and study the convergence of the proposed method. Numerical results showing feasibility of the approach are given.     

连续时间证券组合安全第一准则

马科维茨均值-方差分析是研究证券组合选择的一种基本方法,而Roy提出一种＂安全第一＂准则,该准则多出现在单阶段与多阶段证券组合选择的研究中.本文分别在完全信息与部分信息下,运用安全第一准则分别研究了连续时间证券组合选择问题,利用鞅方法与Malliavin分析得到投资者的最优投资策略.     

无约束最优化锥模型拟牛顿依赖域方法的收敛性

本文研究约束最优化锥模型拟牛顿依赖域方法的全局收敛性。文章给出了确保这类方法全局收敛的条件。     

IMPROVED RANDOMIZED ALGORITHM FOR THE EQUIVALENT 2-CATALOG SEGMENTATION PROBLEM

An improved randomized algorithm of the equivalent 2-catalog segmentation problem is presented. The result obtained in this paper makes some progress to answer the open problem by analyze this algorithm with performance guarantee. A 0.6378-approximation for the equivalent 2-catalog segmentation problem is obtained.     

限制卖空证券组合有效边缘的灵敏度分析

本文利用参数二次规划对偶性理论讨论了限制卖空的证券组合有效边缘的性质。分析的结果表明：有限制卖空的证券组合的有效边缘是一条连续的、凸的、分片二次函数连接而成的曲线。应用三元分割技术可以得到,在可选择证券空间上,有些证券从不会作为投资选择的对象。     

求解障碍问题自由边界的一种非精确光滑方法

利用差分原理将一类数学物理障碍问题转化为线性互补问题.给出了求解大规模线性互补问题的一种非精确光滑算法,证明了该算法的适定性和全局收敛性.数值试验表明该方法能很好地求解此类障碍问题.     

一般形式多阶段有补偿问题的广义对偶理论

本文在文［１］的基础上，讨论一般形式多阶段有补偿非线性随机规划问题的广义对偶理论与最优化性条件．通过发掘凸规划对偶理论的本质，首先推广了与通常规划问题对偶理论有关的概念的含义，由此构造出所论问题在等价意义下的广义原始泛函与广义对偶泛函，进而得到其广义对偶理论，所得结论不仅能恰当合理地反映问题本身的属性，而且有关定理的表述形式简明、结论较强，可直接应用于多阶段有补偿问题的其它理论研究与数值求解算法的设计中去．上述结果与所用研究方法均推广和发展了通常的对偶理论     

非负不可约矩阵的广义Perron补矩阵

1989年Meyor为计算马尔可夫链的平稳分布向量构造了一个算法，首次提出非负不可约矩阵的Perron补矩阵的概念，本给出非负不可约矩阵A的广义Perron补矩阵若干性质，并且证明若矩阵A是不可约逆M-矩阵，其广义Perron补矩阵也是不可约逆M-矩阵。     

一类不精确搜索的变尺度法的n步二次收敛性

一 引言 在优化技术中,变尺度法自1959年首次提出问世以来,由于其在计算上的有效性及较好的敛速而引起人们的重视。极小化R~n上的泛函f:R~n←R~1的变尺度法一般取如下形式 x_(k+1)=x_k-λ_kd_h d_k=H_k~7g_h k=0,1… (1.1)其中x_k∈R~n为f的极小点x~*的第k次近似,d_h为第k次搜索方向,λ_k为适当选定的步