第1章 多元統計 1.1 多元迴歸 1.1.1 多元綫性迴歸 1.1.2 多元非綫性迴歸 1.1.3 多元迴歸方法評價 1.2 聚類分析 1.2.1 聚類分析的一般步驟 1.2.2 聚類分析方法的評價 1.3 判彆分析 1.3.1 Baycs判彆法的基本思想 1.3.2 Baycs判彆法的一般步驟 1.3.3 逐步判彆法 1.3.4 判彆分析方法的評價 1.4 主成分分析 1.4.1 主成分分析的概念 1.4.2 主成分分析的一般步驟 1.4.3 主成分分析方法的評價 1.5 因子分析 1.5.1 因子分析概念 1.5.2 因子分析一般步驟 1.5.3 因子分析方法評價 1.5.4 因子分析與主成分分析的區彆與聯係 1.6 典型相關分析 1.6.1 典型相關分析 1.6.2 實例分析 1.6.3 典型相關分析方法評價第2章 時間序列分析 2.1 時間序列預處理 2.1.1 平穩性檢驗 2.1.2 純隨機性檢驗 2.2 平穩時間序列分析 2.2.1 方法性工具 2.2.2 ARMA模型的性質 2.2.3 平穩序列建模 2.3 非平穩序列序列分析 2.3.1 差分運算 3.3.2 ARIMA模型第3章 數學規劃 3.1 綫性規劃 3.1.1 連續型綫性規劃 3.1.2 整數綫性規劃與0-1規劃 3.2 非綫性規劃 3.2.1 二次規劃 3.2.2 一般非綫性規劃 3.3 多目標規劃 3.3.1 基本理論 3.3.2 多目標規劃的常用解法 3.4 目標規劃 3.4.1 目標規劃的數學模型 3.4.2 目標規劃模型的求解第4章 圖論 4.1 圖的基本概念 4.2 Dijkstra算法與Warshall-Ford算法 4.2.1 Dijkstra算法與動態規劃 4.2.2 Warshall-Ford算法 4.3 最小生成樹 4.4 TSP問題 4.5 著色問題 4.6 最大流問題 4.7 最小費用流問題 4.8 二部圖的匹配及應用 4.8.1 最大匹配 4.8.2 最佳匹配第5章 動態規劃與排隊論 5.1 動態規劃 5.1.1 動態規劃的最優原理及其算法 5.1.2 動態規劃模型舉例 5.2 排隊論 5.2.1 基本概念 5.2.2 排隊係統的描述 5.2.3 排隊係統的描述符號與分類 5.2.4 排隊係統的主要數量指標 5.2.5 排隊係統的優化目標與最優化問題第6章 現代智能優化算法簡介 6.1 遺傳算法 6.1.1 理論簡介 6.1.2 案例分析 6.1.3 評論、體會與展望 6.2 蟻群算法 6.2.1 理論簡介 6.2.2 案例分析 6.2.3 評論、體會與展望 6.3 其他優化算法簡介 6.3.1 貪婪算法 6.3.2 模擬退火算法 6.3.3 迴溯法與分枝定界法 6.3.4 禁忌搜索算法 6.3.5 粒子群算法第7章 微分方程與差分方程模型 7.1 微分方程模型 7.1.1 模型的使用背景 7.1.2 微分方程模型的建立方法 7.1.3 案例分析 7.1.4 評論 7.2 差分方程模型 7.2.1 模型的使用背景 7.2.2 差分方程的理論和方法 7.2.3 案例分析第8章 模糊數學 8.1 模糊模式識彆 8.1.1 理論介紹 8.1.2 案例分析及編程 8.1.3 方法評論 8.2 模糊綜閤評判 8.2.1 理論介紹 8.2.2 案例分析 8.2.3 方法評論 8.3 模糊聚類分析 8.3.1 理論介紹 8.3.2 方法評論 8.4 模糊綫性規劃 8.4.1 理論介紹 8.4.2 案例分析 8.4.3 方法評論第9章 其他建模方法 9.1 神經網絡 9.1.1 人工神經網絡 9.1.2 BP神經網絡 9.1.3 案例分析 9.1.4 方法評論 9.2 計算機仿真 9.2.1 準備知識：隨機數的産生 9.2.2 隨機變量的模擬 9.2.3 時間步長法 9.2.4 事件步長法 9.2.5 濛特卡羅模擬 9.2.6 應用舉例 9.2.7 方法評論 9.3 灰色係統 9.3.1 理論介紹 9.3.2 案例分析 9.3.3 方法評論 9.4 層次分析法 9.4.1 理論介紹 9.4.2 案例分析 9.4.3 方法評論參考文獻
· · · · · · (收起)