本書介紹全局優(yōu)化算法的基本理論和研究進展，特別聚焦于最近幾年提出的基于遞歸深度群體搜索的一類新方法，并詳細介紹遞歸深度群體搜索技術(shù)在確定性全局優(yōu)化和智能優(yōu)化算法中的具體應用。在確定性全局優(yōu)化中，以DIRECT算法為例，深入介紹了遞歸深度群體搜索的設計原則與技巧；在智能優(yōu)化中，以粒子群優(yōu)化算法為例，介紹了遞歸深度搜索和群

本書是統(tǒng)計學專業(yè)的基礎課教材，其比較系統(tǒng)地介紹了概率論與數(shù)理統(tǒng)計的基本概念、基本原理和基本方法.本書是在多年的教學實踐基礎上逐步形成的，內(nèi)容豐富，敘述嚴謹，并附有典型例題及大量習題，有助于讀者掌握和理解概率論與數(shù)理統(tǒng)計的基礎知識.全書共10章，內(nèi)容包括：隨機事件與概率、隨機變量及其分布、多維隨機變量及其分布、數(shù)字特征、

算法在幾乎所有的數(shù)學領域中都扮演著越來越重要的角色。通過本書，讀者能夠發(fā)展基本的數(shù)學能力，特別是那些與算法設計、分析及實現(xiàn)有關(guān)的能力。本書不僅包含了Eratosthenes篩法、Euclid算法、排序算法、圖算法和高斯消元法等基本算法，而且討論了圖論、數(shù)據(jù)結(jié)構(gòu)和數(shù)值優(yōu)化等基本問題；不僅強調(diào)嚴格和嚴謹?shù)臄?shù)學表達，還詳細論

本書是普通高等教育“十一五”國家級規(guī)劃教材。全書內(nèi)容主要包括概率論的基本概念、隨機變量的分布、多維隨機變量、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設檢驗、回歸分析、方差分析。各章習題中設有練習題和思考題，書末附有部分習題參考答案。本書強調(diào)概率論與數(shù)理統(tǒng)計中的基本理論和基本運算，著重

本書共八章，主要內(nèi)容包括：隨機事件及其概率、隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律和中心極限定理、數(shù)理統(tǒng)計的基礎知識、參數(shù)估計、假設檢驗、回歸分析。

本書共9章，內(nèi)容包括：事件與概率、隨機變量及其概率分布、多維隨機向量及其概率分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設檢驗、方差分析與回歸分析。

本書共分為七章，結(jié)構(gòu)安排如下：第一章介紹研究背景、研究現(xiàn)狀、研究方法與相關(guān)概念；第二章系統(tǒng)介紹Dirichlet過程及其拓展和應用，重點介紹基于經(jīng)驗似然的Dirichlet過程抽樣算子和基于經(jīng)驗似然的Dirichlet過程混合模型，給出其處理分布函數(shù)約束條件的具體方法；第三章介紹縱向數(shù)據(jù)線性混合效應模型的半?yún)��?shù)貝葉斯推

《隨機微分方程：動態(tài)系統(tǒng)方法（英文）》是一部英文版的數(shù)學專著，中文書名可譯為《隨機微分方程：動態(tài)系統(tǒng)方法》。《隨機微分方程：動態(tài)系統(tǒng)方法（英文）》的作者是：布蘭·霍林斯沃斯（BlaneHollingsworth）教授，他于2008年獲得美國奧本大學博士學位。談到隨機微分方程，不能不提到一位日本數(shù)學家，他就

本書共10章，內(nèi)容包括：緒論、線性規(guī)劃與單純形法、對偶理論、整數(shù)規(guī)劃、動態(tài)規(guī)劃、多目標規(guī)劃、網(wǎng)絡模型、網(wǎng)絡計劃技術(shù)、決策分析、系統(tǒng)分析與建模。

本書的研究思路如下：首先研究靜態(tài)低維函數(shù)優(yōu)化問題；其次研究高維函數(shù)問題；再次在靜態(tài)問題得以有效解決的基礎上再研究動態(tài)單目標函數(shù)優(yōu)化問題；最后在此基礎上對動態(tài)多目標函數(shù)優(yōu)化問題進行深入探討。