**控制是现代控制理论的核心部分，在航天探索等先进科技领域具有重要应用。**控制中变分思想、极大值原理和**性原理等在人工智能兴起的今日，对于创新性研究依然有着重要的启发和广泛应用。本书基于**控制学科发展脉络，从科学史和创新思想的视角重新整理内容素材，由浅入深逐步介绍核心内容。书中首先概述**控制发展简史，从函数极值过渡到泛函极值，重点介绍变分法、极大值原理和动态规划，最后给出各类方法在离散系统和一些典型**控制系统中的应用。

本书结合现代计算机与运筹学的发展趋势，着重介绍运筹学的基础理论及其应用。全书共17章，内容包括线性规划、整数规划、目标规划、动态规划、图与网络分析、统筹方法、决策分析、对策论、排队论、库存论、非线性规划、多目标决策规划等。
相比其他同类教材，本书将统筹方法单独列为一章，同时增加了用Excel处理运筹问题的相关内容。
本书可作为高等学校本科生教材，并适用于多学时和少学时两种教学方式，同时可作为硕士研究生及MBA教材。另外，对于从事经济管理的人员，作为案头书自学参考也颇有裨益。

本书以经典运筹学理论为基础, 借鉴国外优秀运筹学领域的部分经 典理论, 新增全局优化算法, 并融
合 MA T L A B实现案例, 系统介绍运筹学的原理、 模型、 算法及使用 MA T L A B的实现。本书采用运筹学理
论与 MA T L A B实现相辅相成的编写模式, 理论和实践相结合, 更有利于读者学习并将学习成果快速转换
为实际应用。全书分三篇, 共1 3章内容。第一篇( 第1 ~ 7章) , 主要介绍经典的运筹学 理论和方法;第二
篇( 第8 ~ 1 1章)

本书主要内容涉及: 试验设计基础、常用试验的种类及设计方法、统计资料的整理与分析、概率论基础、统计推断、卡方检验、方差分析、正交设计及资料分析、相关与回归分析以及SPSS在统计中的应用。每一模块按照内容要求划分单元, 单元内容的理论知识后紧跟Excel的操作内容, 并安排相应的实训。全书最后安排了SPSS在统计中的应用模块, 该模块结合实例分析了SPSS的基本统计功能, 具有较好的学习参考与指导的作用。

本书是根据普通高等理工科院校“数值分析”和“计算方法”课程的基本要求, 结合作者多年的教学实践经验编写而成的.内容主要包括科学计算中的误差分析、线性方程组的数值解法、插值与逼近、非线性方程求根、数值积分与数值微分、矩阵特征值的计算、常微分方程初值问题的数值解法等.本书的编写注重读者对算法基本思想和操作的掌握, 旨在训练读者的科学计算素养.书中每个核心内容都配备了适当的例题和练习, 每章后均配有适量的习题, 便于读者掌握和巩固重点内容。

《计算思维与人工智能基础》是高校计算思维通识教育类课程的入门教材，以基于计算机的问题求解为主线，以计算思维能力培养为目的，从全新的视角组织教学内容，突出计算理论与计算机科学方法。全书共7章，分别介绍了计算与计算思维、信息表示、计算机系统、程序设计基础——Python编程入门、信息传递与信息安全、人工智能基础、机器学习等内容。
《计算思维与人工智能基础》内容丰富、结构清晰、语言简练、图文并茂，具有很强的实用性和可操作性，可作为高等学校本科生的第一本计算机课程教材，也可作为大中专院校计算机课程

本书分模块、分层次编写，分为基础篇、应用篇、实践篇。内容包括函数、极限与连续，导数与微分，导数的应用，不定积分，定积分及其应用，常微分方程，拉普拉斯变换，行列式，矩阵与线性方程组，MATLAB数学实验。本书重要知识点通过实例引入，精选物理、工程学上的案例，运用数学知识与方法解决，强化学生应用意识。每一章末尾附有数学文化的阅读材料，凸显科学人文。本书从例题、课后习题、复习题三个维度覆盖数学知识，有助于学生理解相关的数学概念和方法，并进行巩固和提高。

本书主要包含9章内容: 函数、极限与连续/导数与微分/导数的应用/不定积分/定积分/定积分的应用/微分方程/线性代数初步/概率统计初步, 目录为: 第一章函数、极限与连续1.1函数的概念1.2初等函数1.3简单数学模型1.4极限概念与性质1.5极限的运算1.6无穷小的比较1.7函数的连续性第二章导数与微分2.1导数的概念2.2函数的求导法则2.3隐函数及由参数方程所确定函数的求导2.4函数的微分及应用第三章导数的应用3.1微分中值定理和洛必达法则3.2函数的特性3.3函数的最值与应用3

本书是与《应用数学》（张卓主编，中国铁道出版社有限公司出版）配套的学习辅导书，主要面向使用该教材的学生，也可供使用该教材的教师作教学参考。本书按《应用数学》的章节顺序编排，与教学需求保持同步。每节包括学习目标、基本题型及解题方法、习题详解三部分内容。其中，基本题型及解题方法部分概括了与教材知识点相关的重点、难点题型，根据题型列举相关例题并予以解答；每章后面附有综合测试，以便学生在自我检测后能第一时间发现问题、解决问题。 本书与主教材具有相对的独立性，可作为高等职业院校、成人高校等理

本书共13章，分别介绍了随机变量的抽样方法，随机向量的抽样方法，随机过程的抽样方法，Gibbs抽样和马尔可夫链，Metropolis-Hastings算法、HMC算法及SMC算法，EM算法和MM算法，梯度下降法，Newton-Raphson算法，坐标下降法，Boosting算法，凸优化与支持向量机，ADMM算法，深度学习等常用优化方法以及近些年在机器学习和深度学习领域使用的热门算法.对各种算法，作者除了给出计算步骤和统计模型的应用实例外，还对算法涉及的基本概念和重要收敛性定理进行了介绍和证明.本