最优化理论与方法是计算机科学与技术、人工智能及相关专业的主干课程之一。本书结合最优化理论与方法的基本原理和各种高效算法的实际应用，系统地介绍了最优化问题的数学建模方法，并融入了和最优化理论与方法课程密切相关的思政元素。 全书共9章，第1章为引言，第2～9章全面系统地介绍了相关数学知识、线性规划、单纯形方法、对偶理论和灵敏度分析、一维搜索、使用导数的最优化方法、惩罚函数法、动态规划法，同时部分章末引入了思政扩展阅读内容。 本书提供了较为丰富的实例、案例分析和几何演示，可以作为计算机科学

本书系统地介绍了多元统计分析中的经典理论和方法，重点讲解了多元正态总体的参数估计和假设检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析。本书力求以统计思想为主线，以SPSS软件为工具，深入浅出地介绍各种多元统计方法的理论和应用，以大量实际问题为背景，介绍多元统计分析的基本概念和方法，具有很强的实用性；在基本原理和方法的介绍方面，本书尽量避免复杂的理论证明，通过大量通俗易懂的例子进行理论方法的讲解，具有较强的趣味性，又不失理论性，理论难度由浅入深，适合不同层次的读者。

本书是高等院校概率论课程的教材, 是北京大学数学教学系列丛书"《概率论》的第二版。全书共分六章，内容包括：古典概型和概率空间、随机变量和概率分布、随机向量及其概率分布、数学期望和方差、特征函数和概率极限定理、随机过程简介。每小节配有练习题，每章配有总习题，书末附有习题答案或提示，供读者参考。
本书对概率论的基本内容做了系统而全面的介绍，叙述严谨、推导细致、举例丰富，精选的例题反映了现实生活中的特点。本书还采用了许多新的简明讲法，有利于读者更好地理解所学内容和加深对问题本质的理解。

本书根据高等学校非数学类专业“概率论与数理统计”课程的教学要求和教学大纲，将新工科理念与国际化深度融合，借鉴国内外优秀教材的特点，结合山东大学数学团队多年的教学经验编写完成.本书共8章，包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、数字特征与极限定理、统计量及其分布、参数估计、假设检验、概率论与数理统计在MATLAB中的实现.本书秉承“新工科”建设理念，侧重数学实用性，除第8章外，每节题型采用分层模式，每章总复习题经过精心设计，难易程度适中，并配套完备的数字化教学资源. 本书可供高

　　本书共有11章，第1章至第5章是概率论部分，包括随机事件及其概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理；第6章至第8章是数理统计部分，包括样本及抽样分布、参数估计、假设检验；第9章至第11章是随机过程部分，包括随机过程引论、马尔可夫链、平稳随机过程.各章均选配了适量的习题，并附有参考答案.此外，本书还提供了三个附录，包括重要分布表、几种常用的概率分布、2011年至2023年全国硕士研究生入学统一考试真题. 　本书可作为工科、理科(非数学)、经济、

本书全面介绍了统计概念和统计方法在商务实践中的应用，涵盖了在进行统计报告评估和商务决策时所必需的数据处理、数据可视化和推断分析方法，并通过案例给出了应用统计软件进行分析的详细过程。全书共13章，分别为：数据与统计分析、数据的图表描述、数据的数字描述、抽样与抽样分布、参数估计、假设检验、分类数据分析、方差分析、一元线性回归、多元线性回归、逻辑回归、时间序列预测、非参数检验。本书旨在促进统计方法在商务分析中的实际应用，适合管理与经济类专业学生学习，也可供商务数据分析人员参考。

本书共11章，主要内容有：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、线性代数简介和数学建模等。

《数值计算方法习题集》是《数值计算方法》的配套教材，内容包括数值计算引论、非线性方程的数值解法、线性代数方程组的数值解法、插值法、曲线拟合的小二乘法、数值积分和数值微分、常微分方程初值问题的数值解法和试题及解答等8章。前7章每章均由内容提要、习题及解答、同步练习题及解答三部分组成，一章给出了3份试题样卷及解答。随着计算机技术和计算数学的发展，用计算机进行科学计算已成为与理论分析、科学实验同样重要的科学研究方法。本书可作为高等学校理工科各专业本科生学习数值分析或计算方法的配套教材或参考书

《数值计算方法理论与典型例题选讲(第二版)》是为理工类大学本科课程数值分析和计算方法编写的教材与课外自学指导两用书，主要内容包括引言、插值法、线性方程组的直接与迭代解法、方程求根、数据拟合与函数逼近、数值积分与数值微分、常微分方程数值解法、矩阵特征值与特征向量问题.此外，为了兼顾学生能力的培养和考试技能的提高，并帮助其合理掌握学习重点，《数值计算方法理论与典型例题选讲(第二版)》附录中含：MATLAB程序运行效率的提高方法、上机实习、非数学专业计算方法考试样卷3套、数学专业数值分析考试样卷

本书分为6篇：第1篇智能优化的理论基础，内容包括优化理论和智能优化方法概述；第2篇进化算法，内容包括遗传算法、DNA算法、Memetic算法和文化算法；第3篇仿人智能优化算法，内容包括神经网络算法、模糊逻辑算法、思维进化算法；第4篇群智能优化算法，内容包括蚁群优化算法、粒子群优化算法、混合蛙跳算法、猴群算法、自由搜索算法；第5篇仿自然优化算法，内容包括模拟退火算法、混沌优化算法、量子遗传算法、水波优化算法、自然云与气象云搜索优化算法；第6篇智能优化方法的统一框架与共性理论，内容包括智能