本書分為14個章節(jié)，內(nèi)容分別為緒論、GWO算法概述、反向?qū)W習和差分變異的GWO算法、隨機反向?qū)W習和MEPD的強化等級制度的GWO算法、趨優(yōu)反向?qū)W習和隨機反向空置算子的GWO算法、混合差分進化的GWO算法、基于DE全局最優(yōu)和隨機學習的GWO算法、混合鯨魚優(yōu)化的GWO算法、精簡差分擾動GWO算法與均值榜樣學習PSO算法的混

本書基于MM算法原理和組裝分解技術系統(tǒng)地介紹了統(tǒng)計優(yōu)化問題中MM算法的構造方法及其性質(zhì)特征。本書共分7章內(nèi)容，具體包括緒論、凸性、MM算法與組裝分解技術、單(多)元分布參數(shù)估計的MM算法、混合模型的MM算法、生存模型的半?yún)��?shù)估計與MM算法、收斂性與加速算法。本書的目的在于為讀者特別是統(tǒng)計工作者提供一套簡單、有效、可靠的

本書前7章為操作基礎，詳細介紹了Ansys分析的基本步驟和方法：第1章Ansys概述；第2章幾何建模；第3章建模實例；第4章網(wǎng)格劃分；第5章施加載荷；第6章求解；第7章后處理。后8章為專題實例，按不同的分析專題講解了各種分析專題的參數(shù)設置方法與技巧：第8章靜力分析；第9章模態(tài)分析；第10章諧響應分析；第11章瞬態(tài)動力學

本書以最優(yōu)化算法及其MATLAB程序?qū)崿F(xiàn)為主線，結合相應優(yōu)化例題及其編程示例，利用自編函數(shù)和MATLAB優(yōu)化工具箱函數(shù)求解優(yōu)化模型，使讀者輕松掌握編程應用。全書共8章，內(nèi)容包括最優(yōu)化概論、線搜索方法、無約束優(yōu)化算法、約束優(yōu)化算法、線性規(guī)劃算法、整數(shù)規(guī)劃算法、二次規(guī)劃算法、動態(tài)規(guī)劃算法以及各類優(yōu)化算法的MATLAB實現(xiàn)，

智能優(yōu)化算法在解決大空間、非線性、全局尋優(yōu)、組合優(yōu)化等復雜問題方面具有獨特的優(yōu)勢，因而得到了國內(nèi)外學者的廣泛關注，并在信號處理、圖像處理、生產(chǎn)調(diào)度、任務分配、模式識別、自動控制和機械設計等眾多領域得到了成功應用。本書介紹了近年來新提出的5種智能優(yōu)化算法及其改進算法的算法思想、原理、算法流程和程序?qū)崿F(xiàn)說明，并給出了具體的

本書以ANSYSWorkbench2024R1版本為基礎，對ANSYSWorkbench有限元分析的基本思路、操作步驟和應用技巧進行了介紹，并結合典型工程實例講解了ANSYSWorkbench的具體工程應用。本書前7章為操作基礎，介紹了ANSYSWorkbench2024R1基礎、DesignModeler概述、草圖模

本書給出了數(shù)值分析的現(xiàn)代方法及Python程序?qū)崿F(xiàn)，主要包括誤差分析、解線性方程組的直接法和迭代法、矩陣特征值問題的計算、非線性方程求根、插值法與最小二乘擬合、數(shù)值積分和數(shù)值微分、常微分方程初值問題的數(shù)值解法、快速Fourier變換以及蒙特卡羅方法等。書中配有大量的例題及Python程序?qū)崿F(xiàn)，每一章給出了閱讀材料、習題

本書較全面地介紹了各類最優(yōu)化問題的理論和方法，包括：最優(yōu)化問題概述、線性規(guī)劃的對偶理論及其應用、非線性規(guī)劃、動態(tài)規(guī)劃、多目標優(yōu)化及應用、現(xiàn)代優(yōu)化算法和綜合應用案例。全書以方法為重點，編入了大量的最優(yōu)化模型應用案例，在考慮到系統(tǒng)性的基礎上盡可能回避有關理論證明，做到實用性強，并運用富媒體技術介紹相關方法和模型，拓寬學生的

R軟件的基本介紹、R軟件的數(shù)據(jù)結構和圖形功能、R軟件實現(xiàn)數(shù)據(jù)的處理及清洗方法，R軟件進行數(shù)據(jù)描述性分析，利用R軟件進行參數(shù)估計，R軟件進行假設檢驗，對應分析案例與R實現(xiàn)、典型相關分析案例與R實現(xiàn)。

本書深入淺出地介紹了數(shù)值計算的基本概念、常用方法及其程序?qū)崿F(xiàn)。內(nèi)容涵蓋數(shù)值計算的一般概念和誤差分析的常用方法，線性方程組的直接解法，插值的概念及主要插值方法，迭代法求解方程、線性方程組及非線性方程組的常用方法，數(shù)值積分與數(shù)值微分的常用方法，函數(shù)逼近的概念及常用方法，求解矩陣特征值與特征向量的常用方法，求解一階常微分方程