本書結(jié)合案例，系統(tǒng)介紹了使用MATLAB進行數(shù)學(xué)建模的相關(guān)知識和方法論。 本書分為11章，主要包括走進數(shù)學(xué)建模的世界、函數(shù)極值與規(guī)劃模型、微分方程與差分模型、數(shù)據(jù)處理的基本策略、權(quán)重生成與評價模型、復(fù)雜網(wǎng)絡(luò)與圖論模型、時間序列與投資模型、機器學(xué)習(xí)與統(tǒng)計模型、進化計算與群體智能、其他數(shù)學(xué)建模知識、數(shù)學(xué)建模競賽中的一些基本

數(shù)學(xué)建模系列比賽是一項考察學(xué)生使用數(shù)學(xué)工具解決實際問題的比賽，其中含金量最高的比賽為全國研究生數(shù)學(xué)建模競賽、全國大學(xué)生數(shù)學(xué)建模競賽，獲得的獎勵對推免、評獎學(xué)金等都有較大的貢獻。本書是作者學(xué)生時期參加數(shù)學(xué)建模競賽的獲獎?wù)撐呐c任教職之后指導(dǎo)學(xué)生參加數(shù)學(xué)建模競賽的獲獎?wù)撐闹�中，精選完成得最為理想的六篇加工而成。為了展現(xiàn)最真實

本書主要從數(shù)學(xué)規(guī)劃的視角出發(fā)，系統(tǒng)地介紹了數(shù)學(xué)優(yōu)化問題建模和求解的相關(guān)理論、方法、實際案例，以及基于Python和數(shù)學(xué)規(guī)劃求解器（COPT和Gurobi）的編程實戰(zhàn)。全書共分為四部分。第一部分為基本理論和建模方法，重點介紹了數(shù)學(xué)規(guī)劃模型分類和建模方法（包括邏輯約束與大M建模方法、線性化方法）以及計算復(fù)雜性理論。第二部分

"本書第一版至第五版分別出版于1987年、1993年、2003年、2011年和2018年。基于編者長期從事數(shù)學(xué)建模和數(shù)學(xué)實驗教學(xué)、數(shù)學(xué)建模競賽組織和輔導(dǎo)，始終關(guān)注國內(nèi)外數(shù)學(xué)建模教學(xué)案例收集與研究的經(jīng)驗，第六版在保持前五版基本結(jié)構(gòu)和風(fēng)格的基礎(chǔ)上，進行增刪與修訂，新增和改編的案例生動新穎、內(nèi)涵豐富。全書紙質(zhì)內(nèi)容與數(shù)字化資源

《數(shù)學(xué)建模與實踐》是基于作者多年來從事數(shù)學(xué)建模教學(xué)、組織數(shù)學(xué)建模競賽、開設(shè)數(shù)學(xué)實驗課程以及編寫相關(guān)書籍的豐富經(jīng)驗編寫而成的。本書是作者對《數(shù)學(xué)建�！芬粫�的修訂，除保留了前三版的大部分內(nèi)容外，根據(jù)讀者的反饋進行了補充與修訂，尤其在第5章增加了求解實際問題的MATLAB程序設(shè)計。全書分為入門篇和進階篇。入門篇內(nèi)容包括數(shù)學(xué)模

本書是針對高等院校人文社會科學(xué)類專業(yè)學(xué)生編寫的教材。本書堅持在理論體系上保持完整性、嚴謹性、準確性和簡潔性，旨在幫助學(xué)生掌握一定的現(xiàn)代數(shù)學(xué)的基礎(chǔ)知識，吸收數(shù)學(xué)思想與方法的精華，提升數(shù)學(xué)素養(yǎng)，加強數(shù)學(xué)技術(shù)應(yīng)用能力。 本書內(nèi)容分為三篇，共計10章。第一篇為微積分，共4章，內(nèi)容主要包括函數(shù)與極限、導(dǎo)數(shù)與微分、不定積分及定積分

本書以應(yīng)用型本科高校人才培養(yǎng)為目標，集應(yīng)用數(shù)學(xué)知識、數(shù)學(xué)建模與數(shù)學(xué)實驗為一體，注重數(shù)學(xué)建模思想方法，重視數(shù)學(xué)軟件在實際中的應(yīng)用，增加了許多實際案例和數(shù)學(xué)建模競賽題目，突出對學(xué)生的實踐性應(yīng)用能力的培養(yǎng)。本書主要內(nèi)容包括數(shù)學(xué)建模簡介、MATLAB基礎(chǔ)、插值與擬合、微分方程、數(shù)學(xué)規(guī)劃、網(wǎng)絡(luò)優(yōu)化、數(shù)據(jù)的描述性統(tǒng)計、統(tǒng)計分析等。

本書由12個模塊組成：初等模型、微積分模型、線性代數(shù)模型、概率與統(tǒng)計模型、優(yōu)化模型、多元統(tǒng)計模型、綜合評價模型、時間序列模型、空間解析幾何模型、神經(jīng)網(wǎng)絡(luò)模型、差分方程模型、灰色預(yù)測模型，每個模塊包括若干個項目，其中，初等模型包括13個項目，目的是在數(shù)學(xué)建模選修課或數(shù)學(xué)建模協(xié)會上使用。本書可供高職高專院校數(shù)學(xué)建模選修課使

本書對基于粗糙集的特征選擇進行了綜合性的介紹。通過本書，讀者可以系統(tǒng)地研究粗糙集理論(RST)的各個領(lǐng)域，包括基礎(chǔ)知識、前沿概念以及基于粗糙集的特征選擇。本書還提供了基于粗糙集的API庫，可用于支持一些粗糙集概念和基于粗糙集的特征選擇的算法程序?qū)崿F(xiàn)。

本書系統(tǒng)介紹在信息系統(tǒng)簇或決策系統(tǒng)簇的F-粗糙集模型。本書定義了F-粗糙集上下近似、邊界區(qū)域，在F-粗糙集中提出了F-屬性依賴度和屬性重要度矩陣，根據(jù)F-屬性依賴度和屬性重要度矩陣分別提出了屬性約簡算法，通過比對實驗在UCI數(shù)據(jù)集、真實數(shù)據(jù)集和MATLAB生成數(shù)據(jù)集上完成，實驗結(jié)果顯示，與相關(guān)算法比較，F(xiàn)-鄰域粗糙集可