危机管理能力是组织谋求生存和发展不可或缺的一项能力，越来越多的高校将危机管理列为学生培养计划的重要课程之一。本书顺应这一大趋势编写而成，旨在为学生提供尽可能全面的危机管理知识，帮助学生更好地培养危机管理能力。第3版是在维持基本框架不变的情况下，对各章内容做了精简与更新，新增了更具代表性的案例，以二维码的方式链接“延伸阅读”栏目。本书适用范围很广，即可作为本科生和学术型研究生的教材，也可作为MBA、EMBA等专业学位学员的教学用书。组织管理人员也可以通过阅读本书加深对危机管理的理解，提升预防和处理

本书是在作者多年讲授研究生课程“现代决策方法”及从事相关研究的基础上，吸收国内外优秀决策理论与方法教材的成果，在2011年第一版教材的基础上修订而成。修订版本中增加了单目标决策方法、权重的计算方法以及各种决策方法的MATLAB实现算法，以及用MATLAB实现计算的可视化，以增强模型的实用性，提高学生将决策方法用于解决问题的实用技能。本书共包括十章，分别为绪论、非劣解求法、多目标决策问题的属性规范化及权重确定方法、有限方案多目标决策方法、数据包络分析法、模糊综合评价方法、交互式决策方法、

本书坚持系统观念、系统思维，全面整理了风险分析与管理的相关概念、过程、理论、技术、方法和工具。全书包括三篇共17章，第一篇是风险分析理论与过程，包括基本概念、管理过程以及风险过滤、排序与管理方法；第二篇是风险分析技术与方法，按照风险识别、风险分析、风险评估、风险决策的思路，汇总了9章核心技术方法；第三篇是风险分析技术创新与发展，引入数据与智能时代的新技术，开展创新研究，不断拓展风险分析与管理的手段。

无

本书比较全面地介绍了基本的决策理论与方法，主要内容包括决策概述、确定型决策、非确定型决策、多目标决策、模糊决策、智能决策、竞争型决策——博弈论，并在附录部分给出了几个课程实验的MATLAB仿真程序。书中采用大量军事案例和实验来说明各种决策理论与方法的原理及应用，相比同类教材，本书增加了仿真内容，突出军事应用，便于读者加深对决策理论与方法的理解，具有很强的实用性。

本书第16版，在系统掌握Microsoft?Office Excel?365新优势的同时，获得对管理科学在决策过程中的作用的强烈理解。这一市场领先的版本使用了一个证明问题场景的方法在一个新的全彩设计，因为作者介绍每个定量技术在一个应用程序设置。您将学习应用管理科学模型来生成解决方案并为管理提出建议。更新澄清概念解释，而新的小插图和问题证明概念在工作。所有数据集、应用程序和屏幕视觉效果都反映了Excel?365的细节，为您使用新的电子表格工具做好准备。此外，WebAssign课件通过即时反馈

本书以人工智能的发展为契机，以决策理论与方法为核心，阐述了决策分析方法与机器学习、神经网络等人工智能算法。全书大致可分为三大部分，第一部分主要介绍贝叶斯决策、多目标决策、多属性决策、序贯决策、行为决策、知识发现与数据挖掘以及群决策等决策理论；第二部分介绍解决各类决策问题的基本人工智能算法，主要包括群智能算法、机器学习、神经网络与深度学习等；第三部分介绍决策理论与人工智能相结合的实践应用，即智能决策支持系统。各章均配有习题，大部分习题根据管理中的实际问题编撰，注重解决实际问题。本书内容由浅入深，旨

本书是结合笔者近年来教学改革成功经验基础上编写的，全书共分5篇15章内容，具体包括科学决策方法概述、科学决策方法在经济管理中的应用实践、多目标规划决策方法、两阶段随机规划决策方法、多指标决策方法、层次分析法与网络层次分析法、模糊综合决策方法、灰色决策方法、DEA评价方法、其他常用的科学评价决策方法、时间维度指数分解决策方法、LMDI分解决策方法、结构分解决策方法、不同决策方法之间的综合集成、科学决策方法的未来展望。 本书可作为高等院校经济类、管理类等相关专业研究生和高年级本科生教材，也可作为企业

决策是现代管理的基础，而掌握一套现代决策技术与方法是保证决策科学性的前提。本书是应管理类专业本科生和研究生学习和科研之需而编写的一本教材，它系统地介绍管理决策的理论、方法、技术，同时设计了大量实例来将这些理论、方法、技术应用于现实情景。全书共分九章：第一章决策概述，第二章确定型决策，第三章非确定型决策，第四章风险型决策，第五章贝叶斯决策分析，第六章多目标决策分析，第七章多属性决策分析，第八章序贯决策分析，第九章模糊决策和灰色决策分析。 本书不仅适用于高校本科生、研究生、MBA及相关专业学员

智能决策是指决策的自动化，是新时代专家系统的升级，从基于规则到机器学习再到智能自主学习。不仅是决策的自动化，还是整个管理决策过程的智能自主，包括方案选择的自动化以及效果跟踪、评估与反馈。全书分为3篇，共10章：第1章绪论、第2章制造数据感知基础与原理、第3章制造数据分析基础与原理、第4章统计推理、第5章生物进化与群智能、第6章人工神经网络、第7章智能决策综合评价、第8章设备级决策、第9章产线级决策、第10章系统级决策。本书可作为大学高年级和研究生的“智能决策”“智能制造”等课程的教材，对从事智能