本书主要介绍了MATLAB和LINGO的基本情况、线性规划和单纯形法、线性规划的对偶理论和灵敏度分析、运输问题和表上作业法、目标规划、整数规划和分支定界算法、最短路问题和Dijkstra算法、最大流问题和算法、非线性规划问题和常用的算法、博弈论模型和实现算法等。每章主要包括模型的背景介绍、具体模型的构建、算法原理和步骤以及具体案例分析和上机习题等。

本书主要介绍了MATLAB和LINGO的基本情况、线性规划和单纯形法、线性规划的对偶理论和灵敏度分析、运输问题和表上作业法、目标规划、整数规划和分支定界算法、最短路问题和Dijkstra算法、最大流问题和算法、非线性规划问题和常用的算法、博弈论模型和实现算法等。每章主要包括模型的背景介绍、具体模型的构建、算法原理和步骤以及具体案例分析和上机习题等。

本书包括四部分内容。第一部分致力于阐述优化理论的基础知识。第二部分深入剖析并详尽论述一系列常见的典型启发式优化算法，具体包括遗传算法、差分进化算法、和声搜索算法、模拟退火算法、蚁群优化算法以及粒子群优化算法等。第三部分系统介绍近年来新设计出的一系列新型智能优化算法，包括正余弦算法、蝴蝶优化算法、鲸鱼算法、海鸥优化算法、五行环优化算法以及大猩猩部队优化算法等。最后一部分着重探讨强化学习及其相关的深度学习算法方面的内容。

本书包括四部分内容。第一部分致力于阐述优化理论的基础知识。第二部分深入剖析并详尽论述一系列常见的典型启发式优化算法，具体包括遗传算法、差分进化算法、和声搜索算法、模拟退火算法、蚁群优化算法以及粒子群优化算法等。第三部分系统介绍近年来新设计出的一系列新型智能优化算法，包括正余弦算法、蝴蝶优化算法、鲸鱼算法、海鸥优化算法、五行环优化算法以及大猩猩部队优化算法等。最后一部分着重探讨强化学习及其相关的深度学习算法方面的内容。

·

·

本书以数值分析的基本理论为基础，系统地介绍了数值分析的基本概念、方法及其在实际问题中的应用。全书共分为9章，第1章系统概述了数值分析中误差和有效数字的基本概念，强调了在算法设计中稳定性的重要性；第2章介绍了函数插值的基本原理和方法；第3章介绍了函数逼近的理论和方法；第4章阐述了数值积分和数值微分的基本理论及其算法；第5章和第6章分别介绍了线性代数方程组的直接解法和迭代解法；第7章介绍了非线性方程求根的理论和方法；第8章阐述了矩阵特征值和特征向量的计算方法；第9章介绍了常微分方程初值问题的数值解法。

本书以数值分析的基本理论为基础，系统地介绍了数值分析的基本概念、方法及其在实际问题中的应用。全书共分为9章，第1章系统概述了数值分析中误差和有效数字的基本概念，强调了在算法设计中稳定性的重要性；第2章介绍了函数插值的基本原理和方法；第3章介绍了函数逼近的理论和方法；第4章阐述了数值积分和数值微分的基本理论及其算法；第5章和第6章分别介绍了线性代数方程组的直接解法和迭代解法；第7章介绍了非线性方程求根的理论和方法；第8章阐述了矩阵特征值和特征向量的计算方法；第9章介绍了常微分方程初值问题的数值解法。

本书主要内容包括：概率论的基本概念；随机变量及其分布；多维随机变量及其分布；数字特征；极限定理。具体内容包括：随机试验、样本空间与随机事件；频率与统计概率等。

本书主要内容包括：概率论的基本概念；随机变量及其分布；多维随机变量及其分布；数字特征；极限定理。具体内容包括：随机试验、样本空间与随机事件；频率与统计概率等。

本书稿主要研究单变量情形和双变量情形下的非负静态细分算法、SIA矩阵与马尔科夫过程。首先介绍了细分算法以及一致收敛性的基本概念，研究了SIA矩阵的性质以及与马尔科夫过程之间的联系，利用SIA矩阵收敛的特性与马尔科夫链相关性质，分别详细讨论了单变量与双变量非负细分算法的一致收敛性，并推广了收敛的某些条件；在此基础上，进一步把这种非负细分算法推广到张量积细分算法与箱样条细分算法，并研究了它们的某些收敛性质。

本书稿主要研究单变量情形和双变量情形下的非负静态细分算法、SIA矩阵与马尔科夫过程。首先介绍了细分算法以及一致收敛性的基本概念，研究了SIA矩阵的性质以及与马尔科夫过程之间的联系，利用SIA矩阵收敛的特性与马尔科夫链相关性质，分别详细讨论了单变量与双变量非负细分算法的一致收敛性，并推广了收敛的某些条件；在此基础上，进一步把这种非负细分算法推广到张量积细分算法与箱样条细分算法，并研究了它们的某些收敛性质。