本项目综合利用了函数逼近论中的一些深层次的理论有机地结合随机过程、数理统计、泛函分析、数值分析、计算机科学等众多现代数学工具中的相关理论,系统地研究了定义在不同流形上的某些基本函数类(例如有限光滑函数类及解析函数类)的计算复杂性、宽度、熵数和量子化泛函的最优估计;利用标准信息构造了某些解析函数类(包括了Hardan-Sobolev类)上最优求积公式,并确定了相应的最优求积误差的精确常数估计;研究了某些基本函数类的最优规划(利用函数的部分信息,研究其最优重构方案)以及某些方程类的在概率和平均框架下逼近解的最小误差界的估计。在这些问题的研究过程中用到了逼近论中和随机过程(特别是Gauss 过程)、数理统计、数值分析之间的交叉渗透,沟通了逼近论和这些学科中某些相关课题的联系。本课题的研究有重要的科学理论意义,并将对实际应用提供理论依据。预期已得的某些研究结果不但将对逼近论的相关方向的发展并且将对随机过程、数理统计、计算数学及计算机科学等学科的某些相关理论产生影响。
英文主题词Classes of functions; Quadrature formula; Optimal programming; Gaussian process; Classes of equations