智能算法是一類直接的、隨機(jī)搜索的優(yōu)化方法，它是基于模擬自然界的生物現(xiàn)象而產(chǎn)生的一類新型優(yōu)化方法。本書在介紹優(yōu)化理論的基礎(chǔ)上，著重介紹求解復(fù)雜工程優(yōu)化模型的新智能算法。本書共有12章，第1～2章著重介紹智能算法的現(xiàn)狀及**化理論的基本概念；第3章著重介紹幾種求解單目標(biāo)約束優(yōu)化問(wèn)題的新型智能算法；第4～5章介紹求解多目標(biāo)優(yōu)

本書介紹了數(shù)值計(jì)算的多個(gè)重要領(lǐng)域，包括誤差理論、線性代數(shù)、非線性方程求解、函數(shù)逼近、數(shù)值積分和微分以及常微分方程求解等內(nèi)容。內(nèi)容涵蓋了誤差基本理論、線性代數(shù)方程組、非線性方程、非線性方程組、函數(shù)逼近、數(shù)值積分、數(shù)值微分以及普通微分方程等多個(gè)重要領(lǐng)域。通過(guò)深入淺出的方式，解釋了這些數(shù)值計(jì)算方法的理論基礎(chǔ)，還闡述了其在盲源

"本書是為高等學(xué)校理工科師生編寫的數(shù)值計(jì)算方法教材,簡(jiǎn)明易學(xué)、富于創(chuàng)新。本書突出計(jì)算數(shù)學(xué)的基本思想,注重經(jīng)典數(shù)值方法的共性,特別注意同微積分、線性代數(shù)基礎(chǔ)知識(shí)的銜接。書中還介紹了相關(guān)數(shù)學(xué)問(wèn)題和數(shù)值方法的歷史背景、科學(xué)意義和幾何直觀。本次修訂給出了一些典型算法相對(duì)應(yīng)的Python程序和算例,并介紹了相關(guān)的Python擴(kuò)展

本書結(jié)合作者近幾年的研究成果，主要介紹人工蜂鳥算法和蝠鲼覓食優(yōu)化算法的提出、改進(jìn)及其工程應(yīng)用，內(nèi)容包括：人工蜂鳥算法，包括算法提出的靈感、步驟、數(shù)學(xué)模型、性能測(cè)試及其工程應(yīng)用等；人工蜂鳥算法的改進(jìn)及其工程應(yīng)用，從運(yùn)用切比雪夫混沌映射進(jìn)行初始化來(lái)提高求解的精度和引導(dǎo)覓食時(shí)加入萊維飛行，使得算法避免過(guò)早收斂和具有良好的穩(wěn)定

數(shù)值分析方法

本書采納了人本主義社會(huì)學(xué)最為常見的一種研究視角，也即將互聯(lián)網(wǎng)時(shí)代短視頻行業(yè)中決定視覺呈現(xiàn)結(jié)果的算法看作一種實(shí)踐邏輯，將算法實(shí)踐納入到技術(shù)－組織－個(gè)人的研究框架下，強(qiáng)調(diào)算法實(shí)踐的社會(huì)情境性和社會(huì)嵌入性，并重點(diǎn)關(guān)注滲透在其中的人類主觀能動(dòng)性，最終展示出各類社會(huì)行動(dòng)者在與算法實(shí)踐互動(dòng)的過(guò)程中，如何持續(xù)地、動(dòng)態(tài)地參與著算法實(shí)踐

本書介紹Marc2020的基本操作方法和應(yīng)用技巧。全書共9章，分別為Marc入門、幾何導(dǎo)入與網(wǎng)格劃分、結(jié)果后處理、結(jié)構(gòu)接觸非線性分析、Marc分析綜合應(yīng)用實(shí)例、橡膠密封件大變形特性分析實(shí)例、玻璃導(dǎo)槽密封件的結(jié)構(gòu)設(shè)計(jì)仿真實(shí)例、網(wǎng)格重劃分與橡膠結(jié)構(gòu)分析實(shí)例、Marc2020與Actran2020聯(lián)合仿真。本書中所有實(shí)例的操

本書不僅介紹了Newton程序與方程求根的相關(guān)知識(shí)及內(nèi)容，還介紹了其在數(shù)學(xué)其他領(lǐng)域的應(yīng)用。全書共分七章，分別為中國(guó)古代數(shù)學(xué)思想與Newton迭代法、解高次方程的Newton迭代法、多點(diǎn)導(dǎo)迭代及Newton迭代的收斂性、Newton迭代與壓縮映射、求重根的迭代方法、Newton迭代法的其他應(yīng)用、Newton迭代法在解泛函

本書介紹了排序擇優(yōu)算法的基本概念和發(fā)展歷程；建立了初始樣本量和總樣本量之間的函數(shù)關(guān)系，提出一種計(jì)算合理初始樣本量的方法，從而提升了頻率法算法效率；提出可以通過(guò)求解一個(gè)使所有系統(tǒng)總樣本量最小化的優(yōu)化問(wèn)題來(lái)求解非均衡的樣本分配策略，進(jìn)一步提出兩種非均衡的樣本分配策略。本書還分析了一個(gè)隨意停放式共享單車系統(tǒng)中的再分配問(wèn)題，并

本書聚焦于高維變量誤差模型的理論與計(jì)算方法，分別考慮了線性回歸和多響應(yīng)回歸變量誤差模型的參數(shù)估計(jì)。統(tǒng)計(jì)層面，提出非凸估計(jì)方法，給出參數(shù)估計(jì)的誤差上界，進(jìn)而建立統(tǒng)計(jì)一致性。計(jì)算層面，采用便捷高速的一階算法求解估計(jì)量所基于的非凸優(yōu)化問(wèn)題，并證明了算法的線性收斂結(jié)果，表明算法可在線性時(shí)間內(nèi)收斂到問(wèn)題的一個(gè)近似全局解，填補(bǔ)了非