本书针对多指标函数型数据表的结构形式，确定其预处理方法并将方法程序化；研究具有“时空”特征的动态综合评价的相关理论及其函数化的转换过程；综合评价的指标数据为多指标函数型数据时，研究指标权数的赋权方法；多指标函数型数据综合评价的集成方法研究及综合评价结果（评价函数）的分析。

本书通过深入分析现有复杂决策问题的特征，在检索大量外资料，跟踪国际前沿技术的基础上，应用多学科交叉技术，将粗糙集理论引入经典的多属性决策方法中，并将管理学、人工智能、信息科学等知识相融合。在系统观点指导下，针对经典多属性决策方法中存在的严格假设问题，重点研究了粗糙集属性约简理论、粗集分类、奇异粗集等理论在经典的多属性决策理论与方法，最后经过模拟、试验和算例验证了该方的有效性，具有重要的理论意义和应用价值。本书可作为高等院校运筹学、管理科学、信息科学和系统工程专业的研究生教材，也可作为相关领域研究人员、工程技术人员、管理干部、教师和学者的参考书。

本书是关于函数方程的解法、应用以及一些理论问题的专门著作。全书共6章，章介绍函数方程的有关概念和分类；第二章较为系统地介绍了函数方程的一些常见的求解方法；第三章给出三类具有特殊结构的函数方程的处理技巧；第四章主要讨论几类函数方程解的性质，包括解的存在性、稳定性等，并且介绍了巴拿赫空间中的函数方程；第五章、第六章是函数方程的各种应用，内容涉及许多领域。本书内容丰富翔实、说明深入浅出，并收集了大量历届、国际数学奥林匹克试题。本书可供高等院校数学教师、数学工作者和科技人员参考，对广大中学数学教师和参加数学竞赛的中学生也有的参考价值。

传统的分布式应用不会切入微服务、快速数据及传感器网络的响应式世界。为了捕获这些应用的动态联系及依赖，我们需要使用另外一种方式来进行领域建模。由纯函数构成的领域模型是以一种更加自然的方式来反映一个响应式系统内的处理流程，同时它也直接映射到了相应的技术和模式，比如Akka、CQRS以及事件溯源。本书讲述了响应式系统中建立领域模型所需要的通用且可重用的技巧——首先介绍了函数式编程和响应式架构的相关概念，然后逐步地在领域建模中引入这些新的方法，同时本书提供了大量的案例，当在项目中应用这些概念时，可作为参考。

本书系统讨论了不确定度的基础和原理，详细研究了不确定度的各种方法，分析了不确定度的多方面应用。本书可供计量测试、质量监督、认可认证、标准、科研、生产人员以及大专院校师生使用。

本书讨论大规模连续空间的强化学习理论及方法，重点介绍使用函数逼近的强化学习和动态规划方法。该研究已成为近年来计算机科学与技术领域中活跃的研究分支之一。全书共分6章。章为概述；第2章为动态规划与强化学习介绍；第3章为大规模连续空间中的动态规划与强化学习；第4章为基于模糊表示的近似值迭代；第5章为用于在线学习和连续动作控制的近似策略迭代；第6章为基于交叉熵基函数优化的近似策略搜索。本书可以作为理工科高等院校计算机专业和自动控制专业研究生的教材，也可以作为相关领域科技工作者和工程技术人员的参考书。

本书是一部备受专家好评的教科书，书中用现代的方式清晰论述了实分析的概念与理论，定理证明简明易懂，可读性强，全书共有200道例题和1200例习题。本书的写法像一部文学读物，这在数学教科书很少见，因此阅读本书会是一种享受。

本书是一本内容十分翔实的实分析。它包含集论，点集拓扑。测度与积分，Lebesgue函数空间，Banach空间与Hilbert空间，连续函数空间，广义函数与弱导数，Sobolev空间与Sobolev嵌入定理等；同时还包含Lebesgue微分定理，Stone-Weierstrass逼近定理，Ascoli—Arzela定理，Calderon—Zygmund分解定理，Fefferman—Stein定理。Marcinkiewlcz插定理等实分析中有用的内容。本书内容由浅入深。读者具有扎实的数学分析知识基础便可学习本书，学完本书的读者将具备学习分析所需要的实变与泛函(不包括算子理论)的准备知识和训练。