《马尔可夫决策过程理论与应用》从马氏决策的一般理论出发，介绍了马氏决策的基本概念，给出了决策过程的表述方法并介绍了不同准则条件下的基本理论，还给出了作者对一些实际问题的研究心得，为读者提供参考. 《马尔可夫决策过程理论与应用》在《实用马尔可夫决策过程》一书的基础上增加了 Bandit 过程、部分可观察过程、软件可靠性建模分析以及大规模计算方法等章节，为读者提供更为宽阔的视野.
如何提高非线性非高斯动态系统的状态估计和预测的精度是系统辨识、适应控制、模式识别、无线传感网络、通信、经济等领域中都会遇到的问题。粒子滤波提供了解决这一问题的采样递推方法。本书结合作者自身的相关研究工作，全面系统地介绍了粒子滤波的主要概念、基本原理、典型算法、应用技术以及国际上有关研究的新成果和新动向。全书可分为理论篇(包含～4章)和应用篇(包含第5～7章)。章为绪论。第2章给出了动态系统常用的几种滤波方法，主要分析滤波方法的思想，不对算法的适用性进行讨论。第3章介绍了采样与粒子滤波方法，这是一种基于采样滤波思想的Monte—Carlo贝叶斯估计算法，本章还重点介绍算法如何利用序列重采样实现状态递推估计。第4章讨论了粒子滤波算法的改进算法．主要包括针对重采样过程改进算法和针对似然函数选取的改进算法。
整数规划是运筹学与化理论的重要分支之一，整数规划模型、理论和算法在管理科学、经济、金融工程、T业管理和其他领域有着广泛的应用，本书主要介绍经典的线性整数规划理论和算法，同时简单介绍近年发展起来的非线性整数规划理论，主要内容包括：线性和非线性整数规划问题和模型、线性规划基础、全单模矩阵、图论和网络流问题、算法复杂性理论、分枝定界算法、割平面方法、多面体和有效不等式理论、整数规划对偶理论、0-1二次整数规划与SDP松弛、0-1多项式整数规划等。 本书适合运筹学、管理科学、应用数学和工程类专业的高年级本科生和研究生作为整数规划的教材和参考书，读者只需具有高等数学基础就可以阅读。
正如宾默尔在这本《博弈论教程》中用大量例子和应用充分展示的那样，博弈论有利于弄懂人类各种各样的互动关系。这本新书是替代宾默尔前一本博弈论《娱乐和博弈》（Fun and Games）的。这本充满乐趣的博弈论入门适合高年级本科生或低年级研究生，着重回答这样三个问题：什么是博弈论？博弈论如何应用？博弈论为什么是正确的？《博弈论教程》也是认真讨论这三个问题，又不过分数学化的一本书。《博弈论教程》的主题包括议价理论、不竞争、合作博弈、贝叶斯决策理论、不完全信息博弈、机制设计，以及拍卖理论。《博弈论教程》适合许多专业的学生，包括经济学、数学和哲学专业。为了方便其他专业学生的学习，在必要的地方会对所有三个学科的标准专题作一些回顾。《博弈论教程》的一个重要特征是配有大量习题，而且答案是可得的。
如何提高非线性非高斯动态系统的状态估计和预测的精度是系统辨识、适应控制、模式识别、无线传感网络、通信、经济等领域中都会遇到的问题。粒子滤波提供了解决这一问题的采样递推方法。本书结合作者自身的相关研究工作，全面系统地介绍了粒子滤波的主要概念、基本原理、典型算法、应用技术以及国际上有关研究的新成果和新动向。全书可分为理论篇(包含～4章)和应用篇(包含第5～7章)。章为绪论。第2章给出了动态系统常用的几种滤波方法，主要分析滤波方法的思想，不对算法的适用性进行讨论。第3章介绍了采样与粒子滤波方法，这是一种基于采样滤波思想的Monte—Carlo贝叶斯估计算法，本章还重点介绍算法如何利用序列重采样实现状态递推估计。第4章讨论了粒子滤波算法的改进算法．主要包括针对重采样过程改进算法和针对似然函数选取的改进算法。
本主要介绍近年来产生发展的多种智能优化算法。包括为人熟知的遗传算法、禁忌搜索算法、模拟退火算法和蚁群优化算法；近年来已成为研究热点的粒子群优化算法；还有尚待普及的捕食搜索算法和动态环境下的进化计算。书中讨论这些算法的产生和发展、算法的基本思想和理论、基本构成、计算步骤和主要的变形以及数值例子和实际应用。为了方便读者学习，各章之后还附有精选的习题、思考题及相关的参考文献。本是为“智能优化方法”这门研究生课程编写的，可作为系统工程、管理工程、计算机、自动化、人工智能以及其他应用优化算法专业的研究生及高年级的本科生，也可供相关专业的研究人员和工程技术人员参考。
数学是研究现实世界数量关系和空间形式的科学，是一种思维方式，在它的发展历史长河中，一直与各种应用问题紧密相关。本书是为各类本专科院校开展数学建模活动和参加全国数学建模竞赛的指导培训而编著的，是笔者在使用多年的指导培训讲义基础上结合的竞赛题修订而成的。内容包括：数学建模概述、初等数学建模方法示例、预测类数学模型、评价类数学模型、优化类数学模型、概率类数学模型、多元统计分析模型、方程类数学模型、图与网络模型以及如何准备全国数学建模竞赛。同时它对以往在全国数学建模竞赛以及其他数学建模竞赛中出现过的几类主要数学模型进行了归纳总结。
离散事件系统是指其状态变量只在某些离散时间点上发生变化的系统。大多数离散事件系统本质上属于人造系统，即包含人为规则或人为机制的“非物理型”系统。 本书共12章。章概述，从概念上讨论DEVS的内涵及其特征；第2章通过三个简单的实例讨论了DEVS建模与仿真的各个步骤，以便读者了解DEVS建模与仿真的基本要素，还对目前流行的离散事件系统建模与仿真软件进行了介绍；第3章介绍主要的数学基础，即概率论与数理统计的基本知识；第4章介绍变量建模及其检验方法；第5章介绍仿真中产生变量的方法和技术；第6章从系统角度讨论建模与仿真问题；第7章对四类策略，即事件调度法、活动扫描法、三阶段法，以及进程交互法，分别进行了规范化讨论；第8章讨论了单系统仿真运行结果分析及实验设计技术；第9章讨论多系统比较技术，还介绍了基于仿真的优
本主要介绍近年来产生发展的多种智能优化算法。包括为人熟知的遗传算法、禁忌搜索算法、模拟退火算法和蚁群优化算法；近年来已成为研究热点的粒子群优化算法；还有尚待普及的捕食搜索算法和动态环境下的进化计算。书中讨论这些算法的产生和发展、算法的基本思想和理论、基本构成、计算步骤和主要的变形以及数值例子和实际应用。为了方便读者学习，各章之后还附有精选的习题、思考题及相关的参考文献。 本是为“智能优化方法”这门研究生课程编写的，可作为系统工程、管理工程、计算机、自动化、人工智能以及其他应用优化算法专业的研究生及高年级的本科生，也可供相关专业的研究人员和工程技术人员参考。
本主要介绍近年来产生发展的多种智能优化算法。包括为人熟知的遗传算法、禁忌搜索算法、模拟退火算法和蚁群优化算法；近年来已成为研究热点的粒子群优化算法；还有尚待普及的捕食搜索算法和动态环境下的进化计算。书中讨论这些算法的产生和发展、算法的基本思想和理论、基本构成、计算步骤和主要的变形以及数值例子和实际应用。为了方便读者学习，各章之后还附有精选的习题、思考题及相关的参考文献。 本是为“智能优化方法”这门研究生课程编写的，可作为系统工程、管理工程、计算机、自动化、人工智能以及其他应用优化算法专业的研究生及高年级的本科生，也可供相关专业的研究人员和工程技术人员参考。
《博弈论简明教程》章的绪论，开门见山地介绍了四个博弈论的典型例子，以期引起读者的兴趣，并由此引入博弈的五个要素：参与者、信息、行动与战略、收益以及结局（均衡）。绪论还简要阐述了博弈论发展的大致脉络，以及博弈论与经济学相互渗透、相互促进的进程。基于个人理性假设的传统非合作博弈是本教程的主要内容，该部分占全书五分之四的篇幅，考虑到近数十年发展迅速的基于团体理性假设的合作博弈，以及不要求参与者完全理性假设的演化博弈的地位与作用的显现，为了让读者能及时接触到博弈论的发展前沿，本教程安排第6章介绍合作博弈，第7章介绍演化博弈，供读者选读。
本书将从突发疫情环境下的应急物流网络优化与常规疫情环境下的药品物流调度两个视角，探讨医疗物资调度的优化理论与方法。在应急环境下，本书将结合生物恐怖袭击这一非常规突发事件的应急救援活动，开展基于生物危险源扩散模型的应急救援控制策略研究、时间驱动环境下应急物资混合协同配送方法研究、资源驱动环境下应急物流网络协同优化研究、生物反恐体系中应急物流网络集成动态优化研究以及应急救援方案选择的序贯决策方法研究。
作者从我国三项大型线性目标规划的实例(全国磷资源开发系统研究,我国化肥系统的研究,我国化学工业发展战略研究)为基础,系统地介绍了大型线性目标规划的基本理论和应用技术.特别是藉矩阵与向量理论全面深入讨论了多阶段单纯形法和它的各种问题形式,以及目标规划的改进单纯形法和有界变量问题等.进而讨论了线性目标规划问题的对偶原理和算法和有界变量问题的对偶原理和算法,以及线性目标规划和有界变量目标规划的灵敏度分析和参数分析.第7章专门论述解大型线性目标规划问题的计算机实现,包括基本算法和误差的控制等难点问题.最后的三章(多目标线性规划,线性目标规划的其它方法与进展和整数线性目标规划)中引入的有关理论和方法,扩展了与目标规划关连的有关内容,使对本著作的论述更加系统和全面。
《证据网络推理学习理论及其应用》提出并建立了一套完整的证据网络理论和方法体系，对证据网络的定义、结构建模、参数表示、不同参数模型下的推理及证据网络参数和结构学习的相关理论和方法展开了深入论述。《证据网络推理学习理论及其应用》共分为7章，内容包括：不确定性建模理论，不确定性推理方法，证据网络提出的价值与意义，证据网络模型的基本概念、特点、关键要素和建模流程，证据网络的结构与参数，证据网络的推理问题，不同参数模型下的推理策略与算法，证据网络参数学习模型与计算方法，证据网络信度规则模型库结构学习，以及相关应用研究等。《证据网络推理学习理论及其应用》主要面向管理科学与工程、控制科学与工程、信息技术等领域的学者及研究生，也可供相关领域的研究人员阅读参考。
本主要介绍近年来产生发展的多种智能优化算法。包括为人熟知的遗传算法、禁忌搜索算法、模拟退火算法和蚁群优化算法；近年来已成为研究热点的粒子群优化算法；还有尚待普及的捕食搜索算法和动态环境下的进化计算。书中讨论这些算法的产生和发展、算法的基本思想和理论、基本构成、计算步骤和主要的变形以及数值例子和实际应用。为了方便读者学习，各章之后还附有精选的习题、思考题及相关的参考文献。 本是为“智能优化方法”这门研究生课程编写的，可作为系统工程、管理工程、计算机、自动化、人工智能以及其他应用优化算法专业的研究生及高年级的本科生，也可供相关专业的研究人员和工程技术人员参考。
智能优化混合算法是一种以某类优化算法为基础，融合其他智能算法或理论的混合算法，可用于求解各种工程问题优化解。本书系统讨论了现今应用较为广泛的几种智能优化混合算法，主要内容来源于作者多年的研究成果，使读者比较全面地了解智能优化混合算法的相关知识及应用。本书理论联系实际，集知识性、专业性、操作性、技能性为一体，对智能优化混合算法的原理、步骤、应用等进行了全面且详细的介绍。
