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。

本书分为14个章节，内容分别为绪论、GWO算法概述、反向学习和差分变异的GWO算法、随机反向学习和MEPD的强化等级制度的GWO算法、趋优反向学习和随机反向空置算子的GWO算法、混合差分进化的GWO算法、基于DE全局最优和随机学习的GWO算法、混合鲸鱼优化的GWO算法、精简差分扰动GWO算法与均值榜样学习PSO算法的混合算法、混合人工蜂群算法的GWO算法、混合郊狼优化算法的GWO算法、混合同步热交换搜索的GWO算法、改进GWO算法应用于聚类优化、总结与展望。

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。

本书基于基础理论与编程并重的理念，系统介绍了有限单元法概述、弹性力学基础、平面三节点三角形单元有限元及编程、平面四边形等参单元有限元及编程、空间轴对称及三维问题有限元等基础理论，并介绍了有限元软件ANSYS及典型应用算例。为便于读者学习，本书力求详细讲解基本原理，细化理论公式推导过程，在各章节均安排了例题与课后习题，并提供了弹性力学、矩阵计算、计算机编程等有限元理论和实践学习中会用到的相关知识，以利于读者真正掌握有限单元法基础理论与程序设计拓展学习，达到学以致用，知行并进。

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。

"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

本书介绍了现代科学与工程计算中常用的数值计算方法。全书分11章，主要内容有计算方法的数学基础、MATLAB编程基础、方程求根、解线性方程组的直接法、解线性方程组的迭代法、函数插值、数值积分与数值微分、常微分方程初值问题的数值解法、矩阵特征值计算、函数优化计算等。