本书共分17部分，介绍了完全信息博弈、混合策略均衡、完全信息展开型博弈：理论；联盟博弈及其核心、完全信息展开型博弈：延伸与讨论、不完全信息展开型博弈、演化均衡等内容。本书对博弈论进行了严谨而又通俗的介绍，是适用于高年级本科生和研究生的入门。

状态空间控制理论与结构力学模拟关系的数学基础是Hamilton理论体系，在这个体系下，二者的成果可以交叉运用。全书分为两部分：部分是对状态控制线性体系理论的求解，将结构力学中成熟的区段合并消元、子结构分析等技术结合精细积分法几乎可以求得控制、滤波、H∞范数等问题的解；第二部分讨论时变、非线性控制的保辛摄动近似求解，并将模拟理论进一步应用到饱和控制和分散控制等问题的求解。以精细积分方法贯穿全书是本书的一大特色。本书可作为高等院校力学与自动控制专业高年级本科生和研究生，也可供航空、航天、机械工程等相关领域的科研人员参考。

《控制论中的矩阵计算》主要介绍控制论中几个典型矩阵计算问题的数值解法。全书共分7章，内容包括：矩阵分析基础、控制系统概论、矩阵指数的计算、Lyapunov方程的数值解法、代数Riccati方程的数值解法、非对称代数Riccati方程的数值解法、极点配置问题的数值解法。《控制论中的矩阵计算》在内容上，力求向读者展示这一领域既基本又重要的知识、方法和技巧以及的进展。《控制论中的矩阵计算》在叙述表达上，力求清晰易读，便于教学与自学。《控制论中的矩阵计算》可作为综合大学、理工科大学、高等师范院校计算数学、应用数学、工程计算等专业高年级本科生和研究生的教材或教学参考书，也可供从事科学与工程计算的科技人员参考。

状态空间控制理论与结构力学模拟关系的数学基础是Hamilton理论体系，在这个体系下，二者的成果可以交叉运用。全书分为两部分：部分是对状态控制线性体系理论的求解，将结构力学中成熟的区段合并消元、子结构分析等技术结合精细积分法几乎可以求得控制、滤波、H∞范数等问题的解；第二部分讨论时变、非线性控制的保辛摄动近似求解，并将模拟理论进一步应用到饱和控制和分散控制等问题的求解。以精细积分方法贯穿全书是本书的一大特色。本书可作为高等院校力学与自动控制专业高年级本科生和研究生，也可供航空、航天、机械工程等相关领域的科研人员参考。

本书是高分子物理的课教材，着重讲授高聚物材料的黏弹性和高弹性，并以相当篇幅介绍高聚物材料在大形变时的屈服行为、断裂现象以及高聚物熔体的流变力学行为，对高分子化学以及塑料、橡胶和纤维类，本书可作为研究生教材。本书也可作为从事高聚物材料、加工、使用的有关工程技术人员的参考书。本书章是专为化学系学生写的有关应力、应变及其相互关系的力学基础知识。从第2章开始以3章的篇幅着重介绍高聚物力学性能的时间依赖性；第5、6章介绍高聚物力学性能的温度依赖性和各种力学转变现象；对高聚物材料特有的高弹性，则辟有专门的章节(第7章)详加讨论。考虑到高聚物材料越来越多地作为结构材料应用于机械、建筑乃至高新技术领域中，第8、9章对有关高聚物材料使用中的屈服、破坏和断裂现象作了较多介绍。一章则是介绍高聚物熔体加工成形

《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。

本书系统介绍了预测信息组合技术、预测方法组合技术、预测结果组合技术以及组合预测的基本理论，回答了为什么要进行组合预测、什么时候进行组合预测、怎样实现组合预测等具有重要实践意义的问题，是一部现代组合预测理论和方法的集大成之作。

《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.

《凸优化理论（）》作者德梅萃·博赛克斯教授是优化理论的国际知名学者，现任美国麻省理工学院电气工程与计算机科学系教授，曾在斯坦福工程经济系和伊利诺伊电气工程系任教，在优化理论、控制工程、通信工程、计算机科学等领域有丰富的科研教学经验，成果丰硕。博赛克斯教授是一位多产作者，著有14本专著和教科书。《凸优化理论（）》是作者在优化理论与方法的系列专著和教科书中的一本，自成体系又相互对应。主要内容分为两部分：凸分析和凸问题的对偶优化理论。

本书结合作者多年的教学体会与心得，本着加强化方法的基础理论、突出非线性化的应用背景、提高数学建模及计算机应用能力的原则，参照非线性化的发展，较全面、系统地介绍了非线性化的理论与方法。全书共分十二章，内容包括化问题的建模、无约束化和约束化问题的理论和各种算法，以及二次规划、凸规划和线性分式规划的一些特殊算法。

ThisbookgrewoutofmylecturenotesforagraduatecourseonoptimalcontroltheorywhichItaughtattheUniversityofIllinoisatUrbana-Champaignduringtheperiodfrom2005to2010.Whilepreparingthelectures，Ihaveaccumulatedanentireshelfoftextbooksoncalculusofvariationsandoptimalcontrolsystems.

《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。

本教材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。本教材是为“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教材，也可供相关专业的研究人员和工程技术人员参考。