精密的基本不等式与亏量和

本文讨论了亚纯函数的一些精密的基本不等式。应用它们,我们得到了亏量和的精确估计。主要结果为:设f(x)于开平面超越亚纯,k为一正整数,则以及这里ε是任意的小正数,a与b是任意两个判别的有穷复数。     

一个包含Z（n）和D（n）函数的方程及其它的正整数解

对于任意正整数n,著名的伪Smarandache函数Z（n）定义为最小的正整数m使得n｜m（m＋1）／2．而数论函数D（n）定义为最小的正整数m使得n｜d（1）d（2）d（3）…d（m）,其中d（n）为Dirichlet除数函数．本文的主要目的是利用初等方法研究一类包含伪Smarandache函数Z（n）和数论函数D（n）的方程2^z（n）=D（n）的可解性,并获得了该方程的所有正整数解．     

尾年金分布的存在性和结构

本文主要是在年金分布的基础上, 推广、定义并研究了一类$r$尾年金分布的存在性和结构, 给出了这类分布的存在性条件, 证明了在一定条件下, $r$尾年金分布是年金分布与某一特殊$r$尾年金分布的混合.     

经验正交函数与遗传算法结合的副热带高压位势场非线性模型反演

针对副热带高压的动力预报模型难以准确构建的困难,基于T106数值预报产品500 hPa位势高度场序列,用经验正交函数（EOF）分解方法对位势场序列进行了时、空分解,引入了动力系统重构思想,以EOF分解的空间模态的时间系数序列作为动力模型变量,用遗传算法全局搜索和并行计算优势,进行了动力模型参数的优化反演,建立了客观合理的非线性动力模型．通过对动力模型积分和EOF的时、空重构,实现了副热带高压的中、长期预报．试验结果表明,本文反演的动力模型的副热带高压预报效果优于常规的数值预报产品,该研究工作为副热带高压等复杂天气系统和要素场预报提供了新的方法思路和技术途径．     

ON THE BOREL DIRECTION OF K-QUASIMEROMORPHIC MAPPINGS

For the K-quasimeromorphic mappings, a precise fundamental inequality for the angular domain is established. From this, the Borel direction of the K-quasimeromorphic mappings of zero order is derived.     

带有P0函数的非线性互补问题的一个新的非内点连续算法

研究带有P₀函数的非线性互补问题. 基于一个新的光滑函数, 把问题近似成参数化的光滑方程组, 并且给出一个新的非内点连续算法. 所给算法在每步迭代只需要求解一个线性方程组和执行一次Armijo类型的线搜索. 在不需要严格互补条件的情况下, 证明了算法是全局收敛和超线性收敛的. 并且, 在一个较弱的条件下该算法具有局部二阶收敛性. 数值实验证实了算法的可行性和有效性.     

复线性微分方程解的增长性的几个结果

本文研究了复线性微分方程解的增长性问题.利用两类具有某种渐进增长性质的函数作为线性微分方程的系数,讨论了两类二阶线性微分方程解的增长性,获得了方程解为无穷级.这些结果推广了先前的一些结果.     

正,余弦函数单调区间的快速求法

在求函数 ｙ =Ａ·ｓｉｎ(ωｘ φ)及 ｙ =Ａ·ｃｏｓ(ωｘ φ)的单调区间时 ,学生往往容易出错 ,特别是在ω <0的情况下 ,尤为突出 .本文介绍一种既保险又快捷的求法 ,解法分三步 .第一步 :求出函数的最小正周期Ｔ =2π|ω|;第二步 :寻找一个ｘ0 ,使ｘ =ｘ0 时 ,ｙ值最大 ;图 1　ｙ =Ａｓｉｎ(ωｘ φ)示意图第三步 :写出函数的单调增区间[ｋＴ ｘ0 -Ｔ2 ,ｋｔ ｘ0 ] ,ｋ∈Ｎ ;单调减区间 [ｋＴ ｘ0 ,ｋＴ ｘ0 Ｔ2 ] ,ｋ∈Ｎ .以上解法 ,请同学们结合图 1就不难理解了 ,关于ｘ0 的求法 ,只须根据Ａ的符号及函数名称 ,令ωｘ φ =…     

线性同胚于星象函数的一族解析函数

本文定义了线性同胚于星象函数的－族解析函数Ａ（，α）．我们导出Ａ（α）中函数的积分表达式：借助算子理论研究Ａ（，α）族的包含关系并确定它的闭凸包、闭凸包的极值点和它的支撑点；利用一个阶微分从属证明关于实部的二个不等式．最后，我们还证明Ａ（，α）中函数的偏差定理．     

基于增广Lagrange函数的RQP方法

Recursive quadratic programming is a family of techniques developd by Bartholomew-Biggs and other authors for solving nonlinear programming problems.This paperdescribes a new method for constrained optimization which obtains its search di-rections from a quadratic programming subproblem based on the well-known aug-mented Lagrangian function.It avoids the penalty parameter to tend to infinity.We employ the Fletcher‘s exact penalty function as a merit function and the use of an approximate directional derivative of the function that avoids the need toevaluate the second order derivatives of the problem functions.We prove that thealgorithm possesses global and superlinear convergence properties.At the sametime, numerical results are reported.