改进的LS共轭梯度法及其收敛性（英文）

提出了一种改进的LS共轭梯度法,该方法具有不依赖于所采用的线搜索方法的充分下降性.并证明了该方法在Armijo型搜索下求解非凸问题的全局收敛性,相关的数值实验结果检验了算法的有效性.     

一个混合共轭梯度法的收敛性

结合收敛性及计算效能两者的优势,提出一个求解无约束优化问题的混合共轭梯度法,证明了算法在wolfe线搜索下的全局收敛性．并对算法进行数值实验,数值结果良好。     

一类带线搜索的非单调信赖域新算法

在本文中,我们结合非单调信赖域方法和非单调线搜索技术提出了一类新的无约束优化算法.与传统的非单调信赖域算法相比,这样得到的新算法不仅不需重解子问题,而且在每步迭代保证目标函数的近似海赛矩阵的正定性.在一定条件下证明了算法具有全局收敛性.     

一类新的带非单调线搜索的信赖域算法

通过将传统的信赖域算法和非单调Wolfe线搜索结合,提出了一类新的求解无约束优化问题的信赖域算法.新算法给出了新的Wolfe步长准则,通过新的Wolfe步长准则可选择一个较大的步长,这样就减少了算法迭代的次数,提高了算法的有效性;并在一定的条件下,证明了算法的全局收敛性.     

遗传算法的收敛性分析

理论分析算法发生过早收敛的原因、收敛速度与各个控制参数以及适应度函数的关系，并提出与证明了判断遗传算法收敛性的统一判据。     

广义隐互补问题的逐点逼近法

研究了隐互补问题的更一般形式,即广义隐互补问题.将逐点逼近法应用到广义隐互补问题中,研究了在伪单调的条件下算法的收敛性,并证明了算法具有R-线性收敛性.     

一种新的修正共轭梯度算法及其全局收敛性

提出了一种新的修正共轭梯度算法．此算法的优点是无需线性探索迭代方向就具有充分下降性,并且采用了一种新的Armijo线性搜索技术．在较弱的条件下,证明了方法的全局收敛性．     

非凸无约束优化问题一个修正的广义DFP型拟牛顿法

对一般非凸无约束优化问题提出了一类在修正的DFP算法下的广义拟牛顿算法,证明了该算法对非凸函数在Goldstein非精确线搜索下具有全局收敛性.     

关于BOX约束优化的有限记忆BFGS算法

研究一种求解有界优化约束的有限记忆BFGS算法．在适当的条件下,证明了算法的全局收敛性．数值实验表明这种算法优于一般的算法．     

一个具有充分下降性的谱共轭梯度法的全局收敛性证明

讨论了一个具有充分下降性质的谱共轭梯度算法,证明了其在强Wolf线搜索条件下对非凸函数极小化问题具有全局收敛性.     

级数的绝对收敛性问题

阐述了赋范线性空间中无穷级数的收敛、绝对收敛、无条件收敛等概念之间的关系,并例证说明级数的收敛与绝对收敛、绝对收敛与无条件收敛之间不等价,但确实存在着无穷维的Fréchet空间中级数的无条件收敛与绝对收敛等价。     

一致收敛点点收敛弱收敛之关系探讨

函数序列的三种收敛之间的关系是：一致收敛一定点点收敛和弱收敛，反之不然。点点收敛与弱收敛之间没有必然联系。     

半正定系统广义非定常多分裂迭代算法

文章首先给出了广义非定常多分裂算法,并且证明了在一个简洁条件下广义多分裂算法一定半范数收敛,进一步可得到该算法商收敛,该结果是对Cao[2]中结论的推广。     

可测函数序列的完全收敛性

讨论了可测函数序列完全收敛与几乎一致收敛、几乎处处收敛、依测度收敛之间的关系，并给出了它的两个常用性质和一个判定定理。     

求解广义水平线性互补问题的一个二次收敛算法

借助Fischer函数将广义水平线性互补问题（HLCP）等价转化为一个方程系统,并利用Levenberg-Marquardt方法,给出一种求解船的新方法,同时在不要求存在非退化解的条件下证明了这种方法的全局和二次收敛。     

Banach空间中无穷级数收敛性问题

文中讨论了无穷维赋范线性空间中,级数的收敛、绝对收敛、条件收敛、无条件收敛、弱无条件收敛等概念之间的关系,且通过反例说明弱无条件收敛的级数未必收敛、无条件收敛的级数未必绝对收敛等重要结论.     

可测函数列的几种收敛性关系

对可测函数列的几种收敛性的定义和性质进行归纳和总结,讨论他们之间的关系,并给出相应的证明,从而使各种收敛之间的关系更加明了。     

实分析中几种收敛性之间的关系

系统讨论了实分析中函数列的平均收敛,测度收敛以及几乎处处收敛之间的关系,给出它们之间的推导,并构造出了反列。     

关于和函数分析性质的几个问题的讨论

通过反例说明了一致收敛是和函数分析性质的充分而非必要条件,由此看出在数学分析教学中合理恰当地运用反例会收到很好的教学效果;同时给出和函数连续性的三种等价形式,而且在使用时,各有好处,最后给出判断一个函数项级数非一致收敛的判别法.     

极限与三种收敛间的关系

微积分学的精髓在于极限论，而极限定义的基础是点与点之间距离。由于在不同空间中距离（或相当于距离）给出的方式和含义上的差别而导致出不同的收敛。即在度量空间中距离意义上的收敛；在线性赋范空间范数意义下的强收敛；在内积空间中内积意义下的弱收敛。本通过对距离、范数、内积之间关系的讨论从而得到收敛、强收敛、弱收敛之间的关系。