物理学——自然的美学

 已经有不少人问过我:你为什么喜欢物理这一门学科,为什么把它作为自己将要为之奋斗一生的事业.我的回答很简单:因为它美,所以我喜欢它.不少人脸上露出茫然的神色:物理学美?它美在何处呢?我同一般学生一样,是从初二开始学习物理的.那时的我,对物理这一门学科没有更多的了解,所以也没在这方面显示出过多的兴趣.记得有一次学校举行物理竞赛,我并没将这件事放在心上,也没作任何准备,还是我们物理老师拉我去参加考试的,我无心于此,并且第一个交了卷,事后我竟意外地得知:得了全校第一名.此后,物理这门学科就引起了我专门的注意.当然,要说我真正喜欢上它,还是在高中时期.那时候,展开在我面前的物理世界更加广阔起来.     

互补问题中Gauss-Newton方法全局收敛性的推广(英文)

研究了由Subramamian为求解互补问题提出的阻尼Gauss-Newton方法的收敛性质，在较弱的条件下，给出了一个全局收敛效果，这个结果是Subramanian PK (1993)和（1997）中相应结果的一个推广。     

利用二次贝齐尔函数的一维优化算法

本文利用贝齐尔函数良好的保型性质,将它作为拟合函数,构造了一个一维优化算法。数值实验表明,对于高度非线性的目标函数,新算法具有很强的适应性,比同类算法更有效。     

非线性最优化的广义梯度投影法

梯度投影法已有许多有效算法,但这些算法还存在三个问题:1)为了保证算法的收敛性,在算法的每一迭代步,需要选取δ-主动约束集,计算量较大.2)在迭代过程中,需要跟踪主动约束集.3)只能处理非线性不等式约束问题.本文讨论非线性等式与不等式约束的优化问题,给出了一个广义梯度投影法,证明了算法的收敛性并且完满地解决了上述三个问题.本文算法结构简单且其处理技巧有普遍意义.     

在探究中体验数学乐趣

随着新课程改革的不断深入,在课堂教学中实施探究性学习显得越来越重要.研究性学习广义地说是指学生主动探究问题的学习,在目前的实践中,主要是指学生在教师的指导下,以类似科学研究的方式去主动获取数学知识,启用数学知识解决问题.数学探究性学习中教师的关键是帮助学生发现值     

不等式约束优化问题的一个势函数

基于Carroll(1961)建立的罚函数，本文给出了不等式约束优化问题的一个势函数，并且讨论了该函数的性质．最后证明了在此基础上建立的对偶算法具有Q-线性收敛性．     

迭代的计算与估计

对高次多项式函数这类非线性映射给出了一般 n次迭代的一个计算结果 ,还讨论了一维欧氏空间中一些非多项式型映射的迭代 .在二维欧氏空间中 ,我们给出了几类特殊的非线性迭代的结果 .对于一些难以精确计算迭代表达式的映射 ,我们给出了其迭代的估计 .     

基于BP神经网络的企业未来获利能力智能综合评价

分析了相关分析——多指标综合评价法在确定企业未来获利能力方面的优点和不足 ;并在其基础上提出了基于 BP神经网络的多指标综合评价法 ;仿真试验证明了基于 BP神经网络的多指标综合评价法的有效性