φ序Lipschitz算子的不动点定理及其迭代逼近

定义了φ序Ｌｉｐｓｃｈｉｔｚ算子，利用构造迭代收敛序列的方法讨论这类算子的不动点存在性问题，得出几个不动点定理，并讨论了其迭代逼近．

序Lipschitz算子的不动点定理及迭代收敛程序的构造

引入了序Lipschitz算子的概念,并研究了这种算子不动点的存在性问题和迭代收敛程序的构造,得到了一些新的不动点定理.

强单调有界Lipschitz算子方程解的迭代算法

设H为实Hilbert空间,A:H→H为强单调有界Lipschitz算子.Brezis提出了一种迭代算法逼近算子方程Ax=f之唯一解,其中f∈H任意取定.指出了Brezis迭代算法及其收敛性证明中的一个错误,给出了正确的迭代格式以及收敛性证明,并把所得结果推广应用于变分不等式解的迭代算法.

关于非线性Lipschitz算子半群生成元的存在性

基于作者先前提出的Lipschitz对偶思想,对非线性Lipschitz算子半群引入了若干Lipschitz对偶概念,得到了一类非线性Lipschitz算子半群存在生成元的特征刻画.这一结果直接将关于C0-半群如下结论推广到了非线性情形:C0-半群具有有界生成元当且仅当它一致连续.

一类Lipschitz算子方程的解及其应用

运用非线性Lipschitz对偶算子的性质,并结合算子谱半径的概念,得到了一类Lipschitz算子方程Tx=Sx解的存在性定理,并将其应用到一类连续可微算子方程中.

一类序Lipschitz算子的不动点定理

在Banach空间中研究非线性算子的不动点问题,给出了一类只具有下解(或上解)的序Lipschitz算子概念,讨论了这类非紧且非单调算子的不动点的存在性,运用锥理论得到了一个有关此类算子的不动点定理.

一类包含松弛Lipschitz算子和松弛单调算子的广义变分不等式

主要利用松弛算子和单调算子性质,先给出松弛Lipschitz算子和松弛单调算子的特有性质,再将变分不等式与非线性方程的一些等价结论,推广到广义变分不等式上,然后利用这些结论,给出一类包含松弛算子和单调算子的广义变分不等式的迭代算法,并证明了算法的可行性.

关于Banach空间上非线性Lipschitz算子的几个结果

引入非线性Lipschitz算子的Lipschitz拟对偶算子的概念,从而证明了非线性Lipschitz算子的“*”运算的线性性,作为应用,最后证明了非线性Lipschitz算子的共呜定理.

非线性Lipschitz算子的f-M谱理论

引入非线性Lipschitz算子的f-M谱概念,建立了相关理论.作为例证,对以下问题作了肯定回答:设A及Ap为文献[1]中所述算子,当Ap满足文献[1]中定理3的条件时,该定理所得C0-Lipschitz半群{T(t)}以A为生成元.

渐近拟Lipschitz算子的具误差的Ishikawa迭代序列

证明了Banach空间中 ,渐近拟Lipschitz算子T的具误差的Ishikawa迭代序列收敛到T的不动点的一个充要条件 .这里T不一定连续 .

包含松驰Lipschitz算子的一般非线性拟变分不等式和伴随非线性方程的迭代算法

本文研究包含集值松驰Ｌｉｐｓｃｈｉｔｚ算子的一般非线性拟变分不等式和伴随非线性方程解的迭代算法和可解性。

分数次极大算子与Lipschitz函数生成的交换子的紧性

得到分数次极大算子与Lipschitz函数生成的交换子是Lp空间以及Morrey空间上的紧算子,且注意分数次积分算子的处理方法不适用于分数次极大算子.

基于神经算子与类物理信息神经网络智能求解新进展

深度学习通过多层神经网络对数据进行学习,不仅能揭示潜藏信息,还能很好地解决复杂非线性问题.偏微分方程(PDE)是描述自然界中许多物理现象的基本数学模型.两者的碰撞与融合,产生了基于深度学习的PDE智能求解方法,它具有高效、灵活和通用等优点.文章聚焦PDE智能求解方法,以是否求解单一问题为判定依据,把求解方法分为两类:神经算子方法和类物理信息神经网络(PINN)方法,其中神经算子方法用于求解一类具有相同数学特征的PDE问题,类PINN方法用于求解单一问题.对于神经算子方法,从数据驱动和物理约束两个方面展开介绍,分析研究现状并指出现有方法的不足.对于类PINN方法,首先介绍了基础PINN的3种改进方法 (基于数据优化、基于模型优化和基于领域知识优化),然后详细介绍了基于物理驱动的两类解决方案:基于传统PDE离散方程的智能求解方案和无网格的非离散求解方案.最后总结技术路线,探讨现有研究存在的不足,给出可行的研究方案.最后,简要介绍智能求解程序发展现状,并对未来研究方向给出建议.

引入相量算子和流向算子的天鹰优化算法

针对天鹰优化算法搜索效率不足,容易陷入局部最优的缺点,提出多策略改进天鹰优化算法(MIAO).引入广义正态分布优化算法(GNDO),将该算法得出的结果与天鹰优化算法第1阶段得出的结果进行比较,筛选出这2种优化算法下的最优值.该操作扩大了搜索空间,提高了解的质量.引入相量算子,将第2阶段变为自适应的非参数优化,提高算法的高维优化能力.针对天鹰优化算法在迭代后期存在种群多样性降低、局部开发能力不足的问题,在天鹰算法的第3阶段引入流向算子,使信息可以在每个个体间相互传递,提高种群信息的利用率,增强天鹰优化算法的开发性能.通过对16个测试函数寻优对比分析以及Wilcoxon秩和检验可知,MIAO的寻优能力和收敛速度都有较大的提升.为了验证MIAO算法的实用性和可行性,采用所提算法求解减速器设计问题,通过实际工程优化问题的实验对比分析可知,MIAO算法在处理现实优化问题上具有一定的优越性.

具有p-Laplacian算子的分数阶问题共振正解的存在性

本文研究了具有p-拉普拉斯算子的分数阶微分方程在两种边界条件下的共振正解存在的问题.利用Leggett-Williams范型定理的方法,获得了一些新的存在性结果,推广了该类问题已有的研究结果.

非线性Lipschitz算子半群的表示

本文通过引入若干Lipschitz对偶概念，将非线性Lipschitz算子半群对偶映射到Lipschitz对偶空间中，使其转化为线性算子半群．该线性算子半群被证明是一个Co*-半群，因而是某个Co-半群的对偶半群．从而证明了，在等距意义下，一个非线性Lipschitz算子半群可以延拓为一个Co-半群．基于这些结论，本文给出了一系列全新的非线性Lipschitz算子半群的表示公式．

Lipschitz条件下高阶可微函数的Ostrowski型不等式

针对满足Lipschitz条件的高阶可微函数,通过建立积分恒等式,利用引入参数求最值的方法,建立了一类高阶可微函数的Ostrowski型不等式,加强了已有的Ostrowski型不等式。

三支区间集半概念的代数结构及覆盖粗糙近似算子

针对在一个形式背景中以区间集为底集,考虑一个属性集(对象集)拥有的对象集(属性集)和不拥有的对象集(属性集)的知识表述而进行知识提取的问题,采取将区间集概念与三支决策、经典半概念相结合的方法,产生AE-区间集半概念和OE-区间集半概念两种形式的三支区间集半概念,同时发现AE-区间集半概念与OE-区间集半概念的纯双布尔代数结构。进一步深入讨论可知,AE-区间集半概念可分为AE1-区间集半概念与AE2-区间集半概念,利用粗糙集理论分别挖掘与AE1-区间集半概念和AE2-区间集半概念有关的近似算子的结构性质,对偶地可得OE-区间集半概念的相关结果。所得三支区间集半概念拓广了已有的三支决策集分别与区间集概念和半概念相结合的相关成果,成为一个新的知识表述。

Volterra算子与Toeplitz算子的乘积

该文研究了经典Hardy空间上的Volterra算子V与Toeplitz算子T_(φ)的乘积算子L_(φ)=T_(φ)V与R_(φ)=VT_(φ),得到了L_(φ)与R_(φ)的一些基本性质,并给出了L_(φ)的类似于Toeplitz算子的Coburn定理的结果.该文还给出了V和T_(φ)可交换的充分必要条件,以及L_(φ)及R_(φ)以ZjH2(j=1,2,…)为不变子空间的符号的充要刻画.

基于遗传算法优化Canny算子的织绣文物纹样抽取方法研究

织绣文物中的纹样彰显中国传统文化造型艺术的形式美感,是文创设计的重要素材源泉。针对传统Canny算子进行纹样边缘检测需人为确定阈值的问题,本文提出基于遗传算法自适应优化Canny算子阈值的方法,将边缘点、非边缘点类间梯度幅值方差设置为适应度函数,通过格雷码对阈值染色体编解码、锦标赛选择算法优选交叉变异后的阈值,求解最优适应度对应的高低阈值,用于纹样边缘检测;此外,运用形态学操作得到纹样的完整、精确轮廓;最后,添加Alpha通道抽取纹样前景。实验表明,上述方法在织绣纹样抽取精度和像素准确度(PA)上,优于传统Canny算子、混合蛙跳自适应Canny算子、Otsu法优化Canny算子等已有方法,可有效检测织绣文物图像中纹样真实边缘并完成纹样抽取。