碳排放权交易机制在本质上是属于以“控制总量”为特征的环境经济政策，是运用市场机制激励企业采取减排的有效措施，是国际社会和各国探索解决全球气候问题、控制碳排放的重要经济手段之一。1997年联合国气候大会通过的《京都议定书》，确立了缔约国中发达国家的温室气体排放额度和减排义务，同时设计了排放贸易（ET）、联合履行机制（JI）和清洁发展机制（M）三种交易机制，帮助发达国家低成本高效完成减排任务。欧盟、美国、澳大利亚、日本等发达国家，为控制的碳排放，也在探索建立发展自身的碳排放权交易机制，其中欧盟碳排放交易机制和交易市场的发展引人注目。我国正处于高速发展的工业化和城市化过程中，面临着国际和较大的减排压力。2016年4月，我国政府签署了具有国际法律约束力的《巴黎协定》，承诺将切实做好的温室气体减排，使

本书主要介绍并行计算相关的算法的设计和并行计算的性能优化技巧，涵盖现代处理器的特性、衡量程序性能的方法、串行代码性能优化、并行编程模型及其环境、并行算法设计、遗留代码的并行处理、并行编程模型、混合并行等核心技法与实践技巧。

关于算法分析的这多卷论著已经长期被公认为经典计算机科学的定义性描述。迄今已出版的完整的三卷已经组成了程序设计理论和实践的惟一的珍贵资源，无数读者都赞扬Knuth的著作对个人的深远影响，科学家们为他的分析的美丽和优雅所惊叹，而从事实践的程序员已经成功地将他的“菜谱式”的解应用到日常问题上，所有人都由于Knuth在书中表现出的博学、清晰、和高度幽默而对他无比敬仰。第2卷为半数值算法，分“数”和“算术”两章。本卷总结了主要算法范例及这些算法的基本理论，广泛剖析了计算机程序设计与数值分析间的相互联系。

本书从群智能优化算法和高维多目标优化两方面入手，一方面系统地介绍了差分进化算法的基本原理及外研究现状，通过分析算法的模型、关键步骤及参数设置，设计和构建了高性能的改进算法，并将其应用于医学图像处理、电子商务等实际工程领域；另一方面，深入分析了高维多目标优化算法的基本原理、外研究现状及关键技术难点，详细描述了基于差分进化算法的高维多目标优化算法设计、构建与实验分析，以及其在智能交通系统中的实际应用。本书取材新颖、内容翔实、覆盖面广，案例分析具有较强的可重复性和可执行性，不仅适合于初学者，也适合自动化、计算机、信息科学等相关专业的高年级本科生和研究生、进化计算及高维多目标优化研究爱好者以及工程优化人员等。

本书使用实际代码而非伪代码来描述算法，并以经验主导支撑数学分析，侧重于应用且规范严谨。本书提供了用多种程序设计语言实现的文档化的实际代码解决方案，还介绍了近40种核心算法，其中包括用于计算点集的Voronoi图的Fortune算法、归并排序、多线程快速排序、AVL平衡二叉树实现以及空间算法。

全书共13章，分为2篇。第1篇基础知识，介绍了人工智能发展里程、计算机视觉概要、深度学习和计算机视觉中的基础数学知识、神经网络及其相关的机器学习基础、卷积神经网络及其一些常见结构，后对前沿的趋势进行了简单探讨。第2篇实例精讲，介绍了Python基础、OpneCV基础、简单的分类神经网络、图像识别、利用Caffe做回归、迁移学习和模型微调、目标检测、度量学习和图像风格迁移等常见的计算机视觉应用场景。从第5章开始包含了很多有趣和实用的代码示例。从第7章开始的所有实例都基于当前流行的深度学习框架中的Caffe和MXNet。

近年来，随着数据获取能力的不断提高和计算机的飞速发展，人们获得的数据信息越来越多，数据维数越来越高，如何寻找这些海量高维数据信息中潜在的规律，更好地为人类服务，是目前人工智能面临的挑战之一。 在没有标签信息的情况下，对高维数据实施维数约简的同时进行归类分析，挖掘数据的内在低秩结构，是当前机器学习的一个难点、也是热点之一。谱聚类作为聚类分析的一种，不仅对初始值和数据噪声有更好的鲁棒性，而且实施简单，可以被标准的线性代数方法进行有效求解。因此，基于低秩结构学习的谱聚类理论和方法在机器学习、人工智能、大数据技术方面有着更加广阔的应用空间。 本书主要研究了基于低秩结构学习的谱聚类理论与方法，从矩阵和张量两方面进行研究。重点关注紧凑低秩表示学习、鲁棒的无监督特征选择学习、图正则化低秩因