本书主要对几类常用的非线性优化算法:共轭梯度法、拟牛顿法、邻近点法、信赖域方法以及求解约束优化问题的梯度投影法、有限记忆BFGS方法、Topkis-Veinott方法等逐一作了介绍,尤其着重于对这几类算法的改进和扩展应用,包含对共轭梯度法参数的讨论、修正的共轭梯度法、修正的拟牛顿公式及对应的修改的拟牛顿算法、非单调的BFGS类算法、非光滑凸优化的一类邻近点模式算法、邻近束方法、带非单调线搜索的Barzilai-Borwein梯度法、自适应三次正则化信赖域算法、结合有限记忆BFGS的有效集投影信赖域方法、初始点任意的梯度投影法、变形Topkis-Veinott方法、子空间有限记忆BFGS方法等,以及规划SQP算法和极限载荷分析模型。对应算法均给出了收敛性质的分析,部分算法给出一些算例和数值试验结果。
陈国旺编著的《索伯列夫空间导论》主要讲述索伯列夫空间一般理论和在非线性偏微分方程中的应用。内容涉及Lebesgue空间Lp(Ω)及其基本性质;整数阶索伯列夫空间Wm,p(Ω)及其性质;Wm,p(Ω)空间的嵌入定理、紧嵌入定理和插值定理以及连续函数空间的嵌入定理。论述研究非线性发展方程时,常用到的含有时间的空间和含有时间的索伯列夫空间。介绍类似于索伯列夫空间嵌人定理的离散函数的插值公式,并利用离散函数的插值公式证明广义Schrodinger型方程组初边值问题整体广义解的存在性。讲述速降函数、缓增广义函数以及它们的Fourier变换和Lebesgue空间的Fourier变换,分数阶索伯列夫空间Hs(RN)和Hs(Ω)及其性质。介绍近年来外关注的几个非线性发展方程的初边值问题和Cauchy问题解的存在性以及解的爆破现象和解的渐近性质,使读者较快地利用索伯列夫空间这个有力理论工
该书主要介绍作为目前国际应用数学界的热点研究方向之一的半导体偏微分模型方程方面的一些重要数学研究成果,特别是基于作者本人及其外合作者的相关研究工作,对半导体偏微分方程的理论与研究方法进行较为系统与深入的介绍。
本书全面介绍了算法的数学分析中所涉及的主要技术。涵盖的内容来自经典的数学课题(包括离散数学、初等实分析、组合数学),以及经典的计算机科学课题(包括算法和数据结构)。本书的重点是“平均情况”或“概率性”分析,书中也论述了“最差情况”或“复杂性”分析所需的基本数学工具。本书版为行业内的经典著作,本版不仅对书中图片和代码进行了更新,还补充了新章节。全书共9章,章是导论;第2~5章介绍数学方法;第6~9章介绍组合结构及其在算法分析中的应用。除每章包含的大量习题以及参考文献外,本书特设配套免费学习网站,为读者提供了很多关于算法分析的补充材料,包括课件和相关网站的链接,帮助读者提高学习兴趣,完成更深入的学习。
本书是为学习数学分析课程的学生、从事数学分析教学与研究的读者而编写的。全书共分为七章,系统地把数学分析中的重要定理总结和归纳为微积分基本定理、微分中值定理、积分中值定理、积分关系定理、极限关系定理、闭区间上连续函数的性质定理、实数连续性(完备性)定理七类进行研究。全书从定理的历史演变分析、定理的内容与证明分析、定理的几何意义与条件结论分析、定理间的相互关系分析、定理的应用分析、定理的推广分析等角度展开研究。