本书比较全面地介绍了演化多目标优化与智能计算相关的基本理论、方法、以及作者团队在演化多目标优化与智能计算领域过去近十年的主要研究成果。全书共12章，第1-2章主要内容为简单介绍多目标优化的问题、基本概念和复杂多目标优化和智能计算问题相关的基础知识；第3-7章主要介绍了作者提出的一些先进的演化多目标优化算法以及相关应用；

本书稿主要研究单变量情形和双变量情形下的非负静态细分算法、SIA矩阵与马尔科夫过程。首先介绍了细分算法以及一致收敛性的基本概念，研究了SIA矩阵的性质以及与马尔科夫过程之间的联系，利用SIA矩阵收敛的特性与马尔科夫链相关性质，分别详细讨论了单变量与双变量非负细分算法的一致收敛性，并推广了收敛的某些条件；在此基础上，进一

本书前四章取材于1987年Stroock在麻省理工学院的演讲。它们构成了对大偏差理论基本思想的介绍，并为具有较强分析和概率论背景的高年级研究生提供了一个学期的课程基础。最后两章介绍了各种不一致的结果(第5章)，并概述了允许测试和比较前几章中使用的技术的分析方法(第6章)。本书适合对大偏差感兴趣的研究生和数学研究人员阅读

本书是以教育部高等学校大学数学课程教学指导委员会制定的“大学数学课程教学基本要求”为指导，结合应用型本科院校数学教学的特点编写而成。全书结构严谨、理论系统、举例丰富、实用性强。全书以通俗易懂的语言，系统地讲解了随机事件及其概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、数理统计

本书根据教育部高等学校大学数学课程教学指导委员会制定的“大学数学课程教学基本要求”，并参考教育部考试中心制定的“全国硕士研究生招生考试数学考试大纲”，在2020年第二版的基础上修订而成。全书内容包括随机事件及其概率、随机变量的分布及其数字特征、多维随机向量的分布及其数字特征、大数定律与中心极限定理、数理统计的基本概念、

本书主要内容包括:基本概念、线性规划、线性搜索与信赖域方法、无约束最优化方法、线性与非线性最小二乘问题、二次规划、约束最优化的理论与方法等。全书深入浅出,理论、计算与应用相结合,尽可能避免较深的数学推导和证明。每章后面都有一个小结,并附有习题,易于教学。本书可作为信息与计算科学、数学与应用数学、统计学、运筹学、管理科学

这本书以悠闲的方式涵盖了一个完整学年概率课程的所有标准内容，重点是在研究生或高年级本科生高级课程中的金融分析应用。它融入了相当多的测度论和实分析，但以特别简单和直观的方式介绍了σ域、测度论和期望。每章都包含大量的例子和练习，丰富了教材的呈现。Walsh是这个学科的一位大师，他写了一本关于概率的精彩书籍，恰好适合这个水平

本书的内容包括数值运算与误差、插值法、数据拟合和函数逼近、数值积分和数值微分、线性方程组的数值解法、非线性方程(组)的数值方法、矩阵特征值与特征向量的计算、常微分方程初值问题的数值解法等，全书共分9章，约64学时，其中理论讲授48学时，上机实践16学时，教师可根据学生实际，选择适当内容安排教学。在每一章内容中，作者均对

多目标优化理论与方法是运筹学和数学优化研究的重要内容。本书系统地介绍了多目标优化数学模型、发展概况、最优性理论和几类非线性标量化方法。主要内容包括：多目标优化问题可微和不可微条件下的最优性条件、精确解与近似解的Delta型非线性标量化、近似解的Gerstewitz型非线性标量化和精确解与近似解的Tchebycheff型

本书着重讨论随机过程的基本理论和基本方法，并重点介绍几种常用的随机过程。首先介绍预备知识、基本概念以及通过概率分布和数字特征研究随机过程统计特性的两类基本方法。然后展开讲解Poisson过程、离散参数与连续参数的Markov链、平稳过程和随机分析以及平稳过程通过线性系统的分析。对更新过程、鞅论、排队论、时间序列分析以及