智能優(yōu)化算法是人工智能的核心技術(shù)之一。本書主要從原理和設(shè)計兩方面對智能優(yōu)化算法進行深入解析。全書內(nèi)容共７章，其中，第１章介紹智能優(yōu)化算法的一些基本定義和基礎(chǔ)知識；第２-６章分別討論通過模擬基于進化規(guī)律、物理原理、化學原理、人類行為、群智能等不同機理而產(chǎn)生的五類智能優(yōu)化算法，每類算法重點介紹幾個典型算法的求解原理、優(yōu)化策

本書主要介紹了基于線性系統(tǒng)控制器設(shè)計理念的非線性系統(tǒng)控制器的設(shè)計思想和基于李雅普諾夫穩(wěn)定性理論的直接非線性系統(tǒng)控制器的設(shè)計思想，共9章，覆蓋了關(guān)于非線性系統(tǒng)和非線性控制發(fā)展的主要成果，并且結(jié)合作者的工程實踐經(jīng)歷，在第9章給出關(guān)于飛行器、船舶等非線性系統(tǒng)控制器的設(shè)計案例。

本書是作者結(jié)合了多年來的教學經(jīng)驗，為適應信息與計算科學專業(yè)教學和發(fā)展而編寫。全書共十一章，第一章介紹了常微分方程初值問題的數(shù)值方法；第二、三、四章分別探討了橢圓型、拋物型和雙曲型方程的有限差分法；第五到九章深入討論了邊值問題的變分形式與Ritz-Galerkin法、有限元法及其多種變體，包括有限體積元法、間斷Galer

本書是作者長期在高等院校從事概率統(tǒng)計教學經(jīng)驗的總結(jié)和升華。本書緊密結(jié)合目前學生的數(shù)學基礎(chǔ)現(xiàn)狀，遵循學習概率統(tǒng)計的認識規(guī)律性，提煉出本門課程對學生的基本要求、中等要求和高級要求，分別形成基礎(chǔ)篇、中級篇和高級篇。將概率統(tǒng)計的難點分散，對基本概念和基本理論和方法進行重點講授，使學生在學習過程中易于理解，此種起點低，循序漸進，

本書主要為考研數(shù)學概率論與數(shù)理統(tǒng)計相關(guān)知識，還附帶習題及答案。

置信規(guī)則庫推理模型是基于數(shù)據(jù)的決策理論與方法中一個新興的分支，具有合理的知識表示方式和透明的規(guī)則推理過程，在其發(fā)展過程中分成了交集置信規(guī)則庫、并集置信規(guī)則庫和擴展置信規(guī)則庫推理模型。依據(jù)這三個推理模型所適用數(shù)據(jù)情形的差異，本書在第一部分回顧置信規(guī)則庫推理模型的基本理論的基礎(chǔ)上，分別于第二～第四部分在小規(guī)模低維度、小規(guī)模

本書為《基于算例的科學計算引論(基礎(chǔ)篇)》一書的配套教學用書，內(nèi)容包括科學計算、非線性方程求根、線性方程組的直接法、插值與逼近、數(shù)值積分與數(shù)值微分等五章，每章又基本包含內(nèi)容提要、典型例題解析、教材習題解析、補充練習等四小節(jié)。書中一些例題應用Mathematica編程完成，既有助于讀者加深對算法的理解，還有助于其提升解決

本書是我社正在開發(fā)的《美國數(shù)學會經(jīng)典影印系列》中的一本，美國數(shù)學會的出版物在國際數(shù)學界享有很高聲譽，出版了很多影響廣泛的數(shù)學書�！笆�四五”期間計劃引進的該學會的圖書系列涵蓋了代數(shù)、幾何、分析、方程、拓撲、概率、動力系統(tǒng)等所有主要數(shù)學分支以及新近發(fā)展的數(shù)學主題。本書是隨機分析領(lǐng)域的經(jīng)典著作，適合對隨機分析相關(guān)方向感興趣的

"本書介紹了非線性有限元的主要內(nèi)容:三場變分原理(應力、速度和變形率);一種拉格朗日格式(完全的和更新的拉格朗日有限元格式);隱式積分和顯式積分兩種求解方法(隱式積分主要是牛頓-拉夫森(Newton-Raphson)方法,顯式積分主要是中心差分方法),以及紐馬克-貝塔(Newmark-β)方法;材料、幾何和接觸三類非線

本書共分八章。第1章為緒論，其后我們在第2章介紹一些對高分子體系進行分子模擬時常用的粗�；�模型，包括非格點(即連續(xù)空間)和格點模型。在第3章我們介紹MonteCarlo模擬中常用的各種統(tǒng)計系綜(包括它們的配分函數(shù)、系綜平均和漲落)以及MonteCarlo模擬的基本原理。在第4章我們講述一些對高分子體系的粗粒化模型進行M