Banach空间中广义非扩张映象迭代逼近的强收敛定理

来源 :浙江师范大学 | 被引量 : 0次 | 上传用户:liongliong417
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要研究Banach空间中粘性和隐式迭代算法的不动点问题以及寻找增生映射零点问题.建立了关于一致L-利普希茨渐近伪压缩映射的粘性隐式迭代算法和新的修正迭代算法粘性逼近一族增生映射的公共零点.在适当条件下证明迭代序列的强收敛定理,并且将所得结果应用到变分不等式问题,从而推广和改进其他学者的一些研究结果.  结果一,设E是有弱连续对偶映射J的自反的光滑Banach空间,C是E的一个非空有界闭凸子集,令T:C→C是具有序列{kn}的一致L-利普希茨渐近伪压缩映射使得F(T)≠(φ),且f:C→C是一个压缩映射,具有压缩系数λ∈(0,1).取任意x0∈C,序列xn定义为:xn+1=αnxn+βnf(xn)+γnTn(ξnxn+(1-ξn)xn+1),其中{αn},{βn},{γn},{ξn}(∈)(0,1),满足一定条件下,那么{xn}强收敛于渐近伪压缩映射T的一个不动点p.从而解决了变分不等式问题:〈(I-f)p,j(p-y)〉≤0,(V)y∈F(T).  结果二,令E是严格凸的自反Banach空间,它具有规(ψ)的弱连续对偶映射J(ψ),C是E的非空闭凸子集且f:C→C是压缩系数为α∈(0,1)的压缩映射.令Ai:C→E,i=1,2,…,l为一族增生算子使得∩li=1N(Ai)≠(φ)满足范围条件cl(DAi)(∈)C(∈)∩rn>0R(I+rnAi),i=1,2,…,l,其中对于i=1,2,…,l,JAirn=(I+rnAi)-1.对任意的x0∈C,令{xn}定义为以下迭代序列{yn=a1JA1rnxn+a2JA2rnxn+…+alJAlrnxn,xn+1=αnf(xn)+(1-αn)yn,n≥0.假设对于i=1,2,…,l有0<ai<1,∑li=1ai=1且{αn}(∈)(0,1),{γn}(∈)(0,∞)满足一定条件下,序列{xn}强收敛到Ai,i=1,2,…,l的一个公共零点.  本文的结构设置如下:第一章,介绍了研究背景以及与本文相关的概念和引理;Banach空间中修正粘性隐式法则在第二章节中介绍,迭代算法的强收敛性和变分不等式的应用在这一部分也被证明了;在最后一章中介绍了关于一族增生映射的粘性迭代强收敛定理.
其他文献
本文通过模拟实验发现严格κ-最临近集的大小(SKNNκ)比一般的k-最临近集(KNNκ)更能反映数据集密度的变化,给出了两种基于严格κ-最临近集的聚类算法,实验证明这些算法可以很
在Albeverio-Zhao建立的联系p-adics 上Lévy过程与多维Poisson过程的等价定理基础上,此论文讨论了p-adics上支撑有界的Lévy过程跑遍其支撑球中所有小pn-球所需的时间问题.
在计算机辅助设计中,人们对图形外形有很多方面的要求,其中之一是曲面的光顺性。因此,曲面的光顺处理就成为CAD/CAM中非常重要的一个问题。 “光顺”是个工程上的概念,不同于
特征提取是高效视觉建模系统中的一个关键问题,目前特征提取方法已经广泛的用于降低计算复杂度和获得理想的分类效果。选取有效的目标特征是分类系统中很重要的组成部分。本文
司母戊鼎的成功仿制,和“司母戊精诚大鼎”的成功铸造,让韩书清和他的作品在青铜器的收藏家中迅速走红。最近,最让韩书清骄傲的就是,他亲手雕刻的甲骨文,精彩亮相米兰世博会
阅读教学是语文教学的重要内容之一,是小学语文教学的一道门槛.尤其是农村小学,或外来务工家庭没有意识到阅读的重要性,缺乏对孩子的阅读督促;或由于学校藏书有限等,造成学生
1.设模n(n≥3)存在原根,A表示模n原根中不大于B的集合,其中n5/6logn≤B<n,以N表示同余方程x1x2≡x3x4(modn)在集合A中的解数。证明了以下定理:定理1.1同余方程x1x2≡x3x4(modn)在
全局最优化问题是运筹学这门学科中的很重要的组成部分,一直受到数学规划领域内诸多研究学者的广泛关注.全局优化的应用涉及科学技术、军事、工程设计、自动控制、经济管理等
该文详细讨论了椭圆型差分方程的一般校正过程与方法,同时给出了变系数Helmholtz方程的O(h)高精度校正方法.校正过程几乎不增加工作量,但校正后精度比未校正提高了四阶,并能
20世纪90年代以来,Internet得到飞速发展.作为最大的信息集散地,Web上具有海量的信息数据,成为人们工作与学习的平台之一.如何从数以亿计的Web网页中发现需要的知识,成为人们