本书主要包括高级运筹学的基本概念与基本理论、线性规划与灵敏度分析、整数规划、动态规划、目标规划、一维极值优化问题、无约束最优化方法、约束最优化方法、运筹学软件介绍等定量分析和优化的理论与方法。这些内容是经济管理类研究生应具备的基础知识，本书强调学以致用，以大量实际问题为背景引出各分支的基本概念、模型和方法，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。

1、概率论基础知识；2、基础理论：随机过程的引入（定义的引入、分类、平稳过程）、离散时间的Markov链（定义的引入、分类、不变测度、极限定理）、最优停时与鞅、连续时间的Markov链（定义的引入、Poisson过程、Renew 过程、应用案例）、连续时间的随机过程（布朗运动）、随机分析及随机微分方程；3、应用案例分析：随机过程在金融中的应用、随机过程在流行病传播中的应用、随机过程在社会学中的应用

本讲义共分五个部分. 第一部分包括前六讲, 简要介绍了概率论的基本概念、结论和方法. 第二部分包括第七-十讲, 介绍布朗运动的基本概念和性质. 第三部分包括第十一-十八讲, 其中第十一- 十五讲介绍~Ito~随机积分的概念及其重要性质, 例如特别重要的Ito等距、 Ito乘积法则和Ito~链式法则. 第十六-- 十八讲介绍Ito随机微分方程的例子, 以及强解的存在性和唯一性定理. 第四部分包括第十九-二十一讲, 介绍随机积分概念的推广, 分别介绍了Stratonovich 随机积分, 以及Poi

本教材主要介绍了随机过程的预备知识、离散时间马氏链、可数状态马氏链、泊松
过程、连续时间马氏链、更新过程、布朗运动等内容。为适应应用型本科财经类相关专业突出技能与应用的要求，本书在介绍随机过程基础理论的前提下，着重使用图表等多种形式，形象地展示课程的脉络。在介绍部分难以理解的知识点时，本书附有相关的 Matlab 及 Python 代码，读者可通过代码的运行，更加形象地理解相关知识点。书中还附有视频教程，读者可通过扫相应页面的二维码观看授课视频。对于复杂的数学推导，本书在不影响读者阅读的

这本书从非数学的角度提供了有关实验设计和分析的综合处理，侧重于基本概念而不是技术细节的计算。大部分讨论都是根据来自众多应用领域的实例进行的。主题包括随机化的理由和实际困难、析因实验中出现的各种因素、选择实验的规模、进行观察的不同目的等等。大致内容：关键假设、减少错误的设计、如何使用补充观察来减少错误、随机化、析因实验的基本思想和设计、观察次数的选择、实验单元、处理和观察的选择、拉丁方设计、不完全非析因设计、部分复制和混杂设计、交叉设计，以及其它一些特殊问题等。

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