《智能优化算法及其Matlab案例》是对智能优化算法及其实际应用的研究成果的系统总结。智能优化算法是一类模拟生物进化、群体行为或物理法则等自然现象或过程的计算方法，用于解决组合优化、函数优化、大空间等复杂的优化问题，得到了国内外学者的广泛关注。本书共有8章，第1章介绍了智能优化算法的概念、特点、分类以及最优化问题的含义、分类等；第2章到第7章分别介绍了遗传算法、模拟退火算法、禁忌搜索算法、蚁群优化算法、粒子群优化算法、帝国竞争算法等6种经典智能优化算法的理论基础、算法流程及Matlab案例应用；

本书是全面而系统的元分析实践指南，涵盖了从理论基础到实操应用的各个方面。本书首先对元分析的基本概念、特点及优势等进行了深入的介绍，明确了元分析在管理学研究中的应用价值和重要性。然后，本书详细阐述了元分析的适用情境、文献检索与编码、发表偏差、效应值估计模型、调节效应、中介效应、汇报结果、质性元分析概述等内容，并提供了丰富的实操指导。本书概述了质性元分析的相关理论和操作步骤，拓宽了元分析的应用领域。
本书适合的读者为管理学、心理学等社会科学领域的学者、本科生、硕士研究生、博士研究生及

本书系统地介绍了三类重要偏微分方程的推导过程、理论基础及其数值求解方法，旨在为读者提供一本从理论推导到实际应用无缝衔接的教材。作为描述物理现象、工程问题中空间和时间变化规律的数学模型，偏微分方程在自然科学和工程技术中都具有重要的核心地位和广泛的应用价值。本书介绍了偏微分方程的基本概念，通过生动的物理和工程实例展示了如何从实际问题中抽象出偏微分方程模型，如波动方程、热传导方程、流体力学方程组等；详细介绍了几种经典的解析求解方法，包括分离变量法、行波法、积分变换法和Green函数法等。这些

本书是江苏省研究生优秀课程配套教材，围绕“理论推导—算法实现—工程应用”的主线，系统讲授数值分析的基本理论与常用方法，共设8章，内容涵盖误差分析、非线性方程求根、线性方程组数值解法、插值与拟合、数值微积分、常微分方程数值解法等。书中突出工程应用导向，精心设计了多个贴近实际的案例（含MATLAB程序实现），帮助读者理解算法在复杂问题中的实际价值。本书按节和章分别配备多类型习题，扫书中二维码可查看相应解析，构建“讲—练—解”一体化学习闭环。通过48学时教学安排，帮助读者夯实计算基础、提升建模与算法能

本书是一本专为高校工科类专业量身打造的数值分析课程教材，全面满足硕士研究生和本科教学需求，以数值计算核心问题为主线，系统阐述现代科学计算的原理与方法。第1章绪论介绍基本概念与误差理论搭建计算思维框架，第2~7章涵盖非线性方程/线性方程组的数值解法等核心模块，还构建了立体化学习系统。本书基本概念清晰，语言通俗易懂，注重算法实际应用与上机实践，在介绍基础理论时省略繁琐证明，侧重算法叙述和算例分析，行文通俗并对专业术语作通俗解释，还为常用算法提供MATLAB源代码，各章后附习题，书后有答案和提示

本书是计算思维与人工智能通识课程的教材，主要介绍计算机学科中的计算思维和人工智能相关内容，对信息时代人们应具备的大数据、物联网、人工智能应用等也进行了系统的介绍。本书内容上课划分为两大部分，共计9章。第一部分是计算思维，包括第1章计算机与计算，第2章信息数字化基础，第3章算法与数据结构，第4章数据组织与管理，第5章计算机网络；第二部分是人工智能，包括第6章初识人工智能，第7章智能语音识别技术，第8章智能图像识别，第9章知识图谱。本书对传统计算机公共课的教学内容进行了改革，凝练了计算思维

本书为电力行业“十四五”规划教材。
本书从一个最简单的水果识别的例子开始，引出最近邻法和最小距离分类法，用最简单的方法进行分类原理说明，之后展开模式识别算法的讲解，主要包括贝叶斯决策方法、近邻法、线性判决方法、非线性判决方法、聚类分析、特征选择与提取、神经网络、支持向量机、深度学习。

本教材旨在通过筑牢相关数学基础理论，结合实际工程案例，突出讲解测绘工程科学问题的凝练，介绍数学基础知识在解决测绘工程实践问题的实际应用，加深学生对测量数据处理过程的理解。结合作者近年来的教学经验，教材融合了体现测绘工程行业工匠精神、责任担当等相关工程案例，让学生从教材中体会测绘工程精度控制的必要性和重要性。

本书以经济、管理、气象、医学、工业生产、金融等活动中产生的时间序列数据为对象，运用数学和统计学方法，进行时间序列的时域和频域分析。本书将理论分析与数据案例相结合，从传统经典时间序列模型到现代机器学习、深度学习、强化学习与时间序列数据融合，按由浅入深的方式编写而成。本书有配套PPT课件、教学大纲、案例数据、R代码等教学资源，智慧树平台有教学视频和练习题，提供多源、丰富的辅助学习工具。本书可以作为统计学、数据科学等相关专业本科生、硕士生学习相关课程的教材，也可以作为企业、政府等相关人员学习预测和决策

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。