本书共包含8章内容。第1章介绍了最优化问题的概念及主要分类。第2-3章为进化计算部分，以遗传算法和差分进化算法为代表，介绍了算法原理、实现流程及关键技术，并给出了应用实例。第4-6章为群体智能部分，以粒子群优化算法、人工鱼群算法和蚁群优化算法为代表，阐述了算法原理，给出了应用实例，并介绍了算法的各种改进方式。第7章阐述

本书内容涵盖了概率论基础、随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计基础、参数估计、假设检验、回归分析与方差分析初步等,并特别强调应用R语言计算及可视化,知识点结构清晰,内容丰富,概念引入形象,每节附有相应知识点的习题,每章附有知识点的梳理小结与章内容相应的习题,对书中每个非叙述性例题都给出

本书以微积分、线性代数、复变函数、概率统计四大板块为主线,精选电子、通信、材料、能源等前沿科技案例,配套可运行的简化模型、完整代码、数值计算步骤与交互式可视化,帮助读者在动手实践中掌握数学建模、算法设计与结果解释的全流程,实现从抽象公式到工程落地的跨越。

本书聚焦智能制造下生产与运输问题中多目标优化与多主体博弈特征,基于调度理论及博弈理论研究生产与运输协调优化问题。综述了生产与运输协调调度及博弈理论在调度问题中的研究现状,主要讨论和介绍比例流水车间合作博弈调度、柔性流水车间合作博弈调度、单台批处理机生产与运输合作博弈调度、双机流水车间生产与运输非合作博弈调度以及考虑机器

《基于代理模型技术的全局优化方法与应用》*先介绍代理模型技术的发展现状、关键技术及常用的测试函数，然后介绍快速优化拉丁超立方试验设计方法、组合代理模型技术、基于组合代理模型的自适应全局优化方法、基于组合代理模型和模糊聚类的自适应全局优化方法、基于组合代理模型和多层设计空间缩减的自适应全局优化方法、联合局部开发和全局探索

线性模型是统计学中的一个重要分支，本书从理论与实践相结合的角度，阐述了线性模型的基本理论、方法和应用。本书共分为八章，第一章通过各种案例引进各种线性模型，第二章和第三章介绍了一些基础知识，包括矩阵论和概率论的相关知识。第四章到第六章系统讨论了各种线性回归模型的估计及统计推断。第七章讨论了方差分析模型的统计推断，并在附录

《全局化——从梯度引领到智能启发》围绕化问题的全局解，用12章内容，详细介绍了5大方向的10多个经典算法。这5大方向分别是梯度算法的多次重启、无导数优化、（元）启发式优化、演化优化和群体智能优化。在介绍算法之外，还系统介绍了如何对化算法进行理论和数值评价，并介绍了数值比较可能产生悖论以及如何消除悖论等前沿研究成果。在《

全书以计算思维为导向，凝练了计算机科学与技术中相关的基本理论、基本方法和新一代智能计算技术的基本概念及应用。全书内容分为10章，介绍了计算、计算机与计算思维的基础知识，计算基础，计算机系统与云计算，计算机网络与物联网，算法设计基础，Python语言程序设计，数据库与大数据、人工智能基础、人工智能技术、人工智能应用等智能

本书主要内容包括：混合模型和马尔可夫链；隐马尔可夫模型；假设检验；基于隐马尔可夫模型的大范围多重检验方法；基于高阶隐马尔可夫模型的大范围多重检验；基于隐半马尔可夫模型的大范围多重检验等。

本书内容分为两部分：概率论和数理统计，概率论部分主要介绍随机事件、随机变量、概率分布、数字特征、大数定律及中心极限定理等基本概念和性质；数理统计部分主要介绍样本分布、参数估计、假设检验、方差分析与回归分析等统计方法。