本书从最优化方法应用者的角度，较为系统地介绍了最优化问题地建模、算法结构、凸优化问题数学基础、基本地经典优化算法和基本地启发式优化算法。详细地讲解了线性规划方法、一维搜索方法、无约束非线性最优化问题的算法、带约束的非线性最优化问题的算法、模拟退火算法、遗传算法和粒子群算法等。书本中对上述方法附有案例过程，使读者可以理解这些方法处理问题背后的原理和思路，又能学习实际解决问题的方法和过程，提高使用最优化问题建模和算法解决实际问题的能力。

本书深入浅出地介绍了数值计算的基本概念、常用方法及其程序实现。内容涵盖数值计算的一般概念和误差分析的常用方法，线性方程组的直接解法，插值的概念及主要插值方法，迭代法求解方程、线性方程组及非线性方程组的常用方法，数值积分与数值微分的常用方法，函数逼近的概念及常用方法，求解矩阵特征值与特征向量的常用方法，求解一阶常微分方程初值问题的主要方法，Python程序设计及数值计算实现的基本方法。
本书注重基本概念和理论的完整性、计算方法的有效性和实用性以及学习过程中的思维连贯性。
本书可以作为高

本书给出了数值分析的现代方法及Python程序实现，主要包括误差分析、解线性方程组的直接法和迭代法、矩阵特征值问题的计算、非线性方程求根、插值法与最小二乘拟合、数值积分和数值微分、常微分方程初值问题的数值解法、快速Fourier变换以及蒙特卡罗方法等。书中配有大量的例题及Python程序实现，每一章给出了阅读材料、习题和上机练习题。

R软件的基本介绍、R软件的数据结构和图形功能、R软件实现数据的处理及清洗方法，R软件进行数据描述性分析，利用R软件进行参数估计，R软件进行假设检验，对应分析案例与R实现、典型相关分析案例与R实现。

"本书是为高等学校理工科师生编写的数值计算方法教材, 简明易学、富于创新。本书突出计算数学的基本思想, 注重经典数值方法的共性, 特别注意同微积分、线性代数基础知识的衔接。书中还介绍了相关数学问题和数值方法的历史背景、科学意义和几何直观。本次修订给出了一些典型算法相对应的 Python 程序和算例, 并介绍了相关的 Python 扩展库函数。    全书共八章, 包括数值计算中的误差、插值法与最小二乘法、数值积分与数值微分、方程求根、线性代数方程组的数值解法、矩阵特征值与特征向量的计算

智能算法是一类直接的、随机搜索的优化方法，它是基于模拟自然界的生物现象而产生的一类新型优化方法。本书在介绍优化理论的基础上，着重介绍求解复杂工程优化模型的新智能算法。
本书共有12章，第1～2章着重介绍智能算法的现状及**化理论的基本概念；第3章着重介绍几种求解单目标约束优化问题的新型智能算法；第4～5章介绍求解多目标优化问题的粒子群算法及仿真实验；第6～9章着重讨论当优化问题维度变大时如何解决高维多目标优化问题；第10～11章讨论了复杂双层优化及其在视频服务器部署中的应用；第12章分析本

本书介绍计算机上常用的数值计算方法，阐明数值计算方法的基本理论和实现，讨论一些数值计算方法的收敛性和稳定性，以及数值计算方法在计算机上实现时的一些问题。内容包括数值计算引论、非线性方程的数值解法、线性方程组的数值解法、插值法、曲线拟合的最小二乘法、数值积分和数值微分、常微分方程初值问题的数值解法。各章内容有一定的独立性，可根据需要进行学习。本书对各种数值计算方法都配有典型的例题，每章后有较丰富的习题，全书最后附有部分习题参考答案。
本书可作为高等院校工科各专业本科生学习数值分析或

本书以数值分析原理为纲, 以算法设计为本, 基于Python 语言, 详细介绍了原理分析到 自编码 算法设计与应用的过程和思想, 旨在提升学生的数值计算和实践编码能力, 其数值算法设计思想可迁移到机器学习和深度学习,为学术深造和应用研究奠定科学计算和自编码基础. 本书共包含数值分析的12 个领域, 教师可以根据不同的学习对象和教学目的选择相应的章节. 书中计算方法均结合数学原理独立设计算法, 并结合经典数值算例辅助学习和理解, 且配备了实验题目, 使理论与实践、学习与提升相辅相成.

本书前四章详尽论述了线性空间、矩阵和线性代数、线性映射和线性空间的分解。后五章讨论线性映射和矩阵的分解、包括谱分解、奇异值分解和极分解，范数、矩阵函数、特别是解线性定常状态方程所需的矩阵指数函数，线性映射和矩阵的广义逆和矩阵方程，包括线性矩阵方程、连续时间和离散时间代数Riccati方程。线性代数在自动控制中的应用主要包括Lyapunov稳定性理论，可控可观测性及可镇定可检测性分析，传递函数矩阵在RH中的互质分解，Hankel算子的Schmidt分解。