數學建模 (Python版) 秦喜文 董小剛 9787302652373 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：清華大學
物品所在地：中國大陸
原出版社：清華大學
NT$375
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202405*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：數學建模 (Python版) ISBN：9787302652373 出版社：清華大學 著編譯者：秦喜文 董小剛 頁數：240 所在地：中國大陸 *此為代購商品 書號：1642800 可大量預訂，請先連絡。 內容簡介 本書包括運籌優化、圖論模型、微分方程、隨機模擬和統計方法等傳統建模方法，同時還增設了智能優化演算法、機器學習方法和深度方法，可以滿足廣大讀者和參賽者的學習需求。本書演算法實現以Python語言為主，每章內容均有詳細的代碼，可以幫助讀者高效掌握Python編程實現演算法。本書共包含19章，前兩章為基礎部分，分別為數學建模簡介和Python簡介；第3∼11章為傳統建模方法部分，其中，第3章和第4章分別介紹運籌優化中的線性規劃和非線性規劃，第5章介紹圖論，第6章介紹微分方程，第7章介紹插值與擬合，第8章介紹隨機模擬，第9∼11章介紹統計方法，包括回歸分析、聚類分析和主成分分析；第12∼19章為智能優化和機器學習部分，其中，第12∼14章為智能優化，分別介紹模擬退火演算法、遺傳演算法和粒子群優化演算法，第15∼19章為機器學習方法，分別介紹支持向量機、決策樹、隨機森林、神經網路和深度學習。 本書可作為高等學校數學建模、數學實驗課程教材，也可作為數學建模競賽的培訓教材。目錄 第1章 數學建模簡介1 1 數學模型與數學建模 1 1 1 數學模型 1 1 2 數學建模 1 2 數學建模的步驟 1 3 數學建模的作用 1 3 1 數學建模課程的思政作用 1 3 2 數學建模對大學生能力的培養作用 1 4 數學建模論文的撰寫 1 5 數學建模競賽 1 5 1 全國大學生數學建模競賽 1 5 2 中國研究生數學建模競賽 1 5 3 美國大學生數學建模競賽 第2章 Python簡介 2 1 Python概述 2 2 Python的安裝 2 2 1 Anaconda的安裝 2 2 2 PyCharm的安裝 2 3 Python基礎 2 3 1 數據類型和變數 2 3 2 條件判斷 2 3 3 循環 2 3 4 自定義函數 2 3 5 類 2 3 6 可視化 本章小結 習題 第3章 線性規劃 3 1 線性規劃的基本原理 3 1 1 線性規劃的一般模型 3 1 2 線性規劃模型的求解方法 3 2 線性規劃模型的建立和Python求解 3 3 線性規劃的應用 3 3 1 建立線性規劃模型 3 3 2 線性規劃模型的Python求解 3 3 3 與線性規劃問題相關的建模真題 本章小結 習題 第4章 非線性規劃 4 1 非線性規劃的基本理論 4 1 1 非線性規劃模型的一般形式 4 1 2 無約束非線性規劃的求解 4 1 3 有約束非線性規劃的求解 4 2 非線性規劃問題的Python求解 4 2 1 使用scipy optimize模塊求解 4 2 2 使用cvxopt solvers模塊求解 4 2 3 使用cvxpy庫求解 本章小結 習題 第5章 圖論 5 1 圖的基本原理 5 1 1 無向圖和有向圖 5 1 2 簡單圖、完全圖和賦權圖 5 1 3 頂點的度和子圖 5 1 4 道路與迴路和連通圖與非連通圖 5 1 5 圖的表示及networkx庫簡介 5 2 最短路徑演算法及其Python實現 5 2 1 固定起點的最短路徑演算法及其Python實現 5 2 2 每對頂點間的最短路徑演算法及其Python實現 5 3 最小生成樹演算法及其Python實現 5 3 1 最小生成樹演算法的基本概念 5 3 2 求最小生成樹的演算法及其Python實現 本章小結 習題 第6章 微分方程 6 1 建立微分方程模型的常用方法 6 1 1 根據規律建模 6 1 2 微元法建模 6 1 3 模擬近似法建模 6 2 微分方程數值求解方法 6 2 1 歐拉方法 6 2 2 梯形方法 6 3 微分方程的Python求解 6 4 微分方程模型典型案例 6 4 1 SI模型 6 4 2 SIS模型 6 4 3 SIR模型 6 4 4 參數時變的SIR模型 本章小結 習題 第7章 插值與擬合 7 1 插值 7 1 1 拉格朗日插值 7 1 2 分段插值 7 1 3 樣條插值 7 1 4 二維插值 7 2 插值問題的Python求解 7 2 1 插值相關模塊介紹 7 2 2 一維插值問題的應用舉例 7 2 3 二維插值問題的應用舉例 7 3 數據擬合 7 3 1 最小二乘法擬合 7 3 2 擬合函數的選取 7 4 擬合問題的Python求解 7 4 1 擬合相關模塊介紹 7 4 2 擬合問題實例 本章小結 習題 第8章 隨機模擬 8 1 隨機數 8 1 1 隨機數的生成 8 1 2 使用NumPy庫函數生成隨機數 8 1 3 使用sklearn庫函數生成隨機數 8 2 隨機模擬方法 8 2 1 起源與發展 8 2 2 隨機模擬方法的特點 8 2 3 解題步驟 8 2 4 Python實現 8 3 隨機模擬的應用 本章小結 習題 第9章 回歸分析 9 1 一元線性回歸 9 1 1 一元線性回歸模型的基本原理 9 1 2 一元線性回歸的Python實現 9 2 多元線性回歸 9 2 1 多元線性回歸模型的基本原理 9 2 2 多元線性回歸的Python實現 9 3 嶺回歸和LASSO回歸 9 3 1 嶺回歸和LASSO回歸的基本原理 9 3 2 嶺回歸和LASSO回歸的Python實現 9 4 非線性回歸 9 4 1 可轉換為線性回歸的曲線回歸 9 4 2 多項式回歸 9 4 3 非線性最小二乘法 9 4 4 非線性回歸方程的Python實現 本章小結 習題 第10章 聚類分析 10 1 聚類演算法介紹 10 1 1 層次聚類 10 1 2 K-Means聚類 10 2 聚類分析的Python實現 10 2 1 層次聚類的Python實現 10 2 2 K-Means聚類的Python實現 10 3 K-Means應用 10 3 1 數據信息可視化 10 3 2 K-Means聚類 10 3 3 聚類結果可視化 本章小結 習題 第11章 主成分分析 11 1 主成分分析的基本原理和步驟 11 1 1 主成分分析的基本原理 11 1 2 主成分分析的步驟 11 2 主成分分析的Python實現 11 3 主成分分析應用1 11 3 1 構建主成分 11 3 2 數據可視化 11 3 3 降維后數據的相關信息 11 4 主成分分析應用2 本章小結 習題 第12章 模擬退火演算法 12 1 模擬退火演算法原理 12 1 1 Metropolis演算法 12 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
