本书主要从数学规划的视角出发，系统地介绍了数学优化问题建模和求解的相关理论、方法、实际案例，以及基于 Python 和数学规划求解器（COPT 和 Gurobi）的编程实战。全书共分为四部分。第一部分为基本理论和建模方法，重点介绍了数学规划模型分类和建模方法（包括逻辑约束与大 M 建模方法、线性化方法）以及计算复杂性理论。第二部分为建模案例详解，通过理论、案例和实战相结合的方式，详细介绍了如何利用各种建模方法和数学规划求解器对实际生产活动中的优化问题进行建模和求解。这部分内容丰富，案例翔实，代码

这本书的作者是非经典逻辑、粗糙集理论和粒度计算领域的主要研究人员。不确定性条件下的人类推理由于其表征约束，不能很好地用经典逻辑来解释。非经典逻辑如模态逻辑、多值逻辑、直觉逻辑、弗协调逻辑自亚里士多德以来，就得到了研究和发展。在这本书中，粗糙集理论从代数和非经典逻辑角度进行研究。在非经典逻辑的基础上，研究了粗糙集的逻辑;然后，提出了基于粒度计算的推理框架，研究了粗糙集推理与非单调推理、条件逻辑中的关联规则和背景知识。

本书对基于粗糙集的特征选择进行了综合性的介绍。通过本书，读者可以系统地研究粗糙集理论(RST)的各个领域，包括基础知识、前沿概念以及基于粗糙集的特征选择。本书还提供了基于粗糙集的API库，可用于支持一些粗糙集概念和基于粗糙集的特征选择的算法程序实现。

本书精选了中国研究生数学建模竞赛中的5个建模案例，包括面向节能的单/多列车优化决策问题、多无人机协同任务规划问题、基于帧差法和光流法的前景目标提取追踪模型、基于优化模型的多无人机对组网雷达的协同干扰研究、基于改进蚁群算法的飞行航迹多目标优化研究。每个案例从解析模型、还原程序、评述论文着手，帮助读者理解数学建模过程，掌握数学建模方法，提高数学建模能力。每个案例自成体系，读者可独立阅读。
本书可供参加各类数学建模竞赛的本科生或研究生及相关问题领域的研究人员作为学习材料和建模参考书。

逻辑思维能力的高低与经验的多寡无关，它是人类最基本的思维方式，也是帮助我们提升工作质量的重要工具。逻辑思维是有迹可循的，也是可以通过不断地训练来提高的。

本书作者以备受读者欢迎的漫画《名侦探柯南》中的经典桥段为基础，搭配图解说明，娓娓道来逻辑思维的思考方式、形成过程和应用场景。无论你是初次接触逻辑思维，抑或全然不知其为何物，本书都将对你的思维提升大有帮助。

现在就让我们跟柯南一起走进逻辑思维训练的奇妙世界，学习逻辑推理思维的精髓要

本书分为四个部分：第一部分介绍了基本概念和 ZU 的公理；第二部分讨论了如何由此引出自然数、实数、线等概念；第三部分的主题是基数和序数；第四部分主要讨论了选择公理和连续统假设。本书不仅由浅入深地呈现了集合论领域的技术手段和证明结论，还论述了这些工作背后的哲学动机，可以让读者了解那些貌似繁杂冗长的技术细节背后的哲学思考。

本书介绍了二层模型及其拟合方法，包括数据准备、模型估计、模型解释、假设检验、模型假设条件检验及中心化，并介绍了多层次模型的扩展应用，包括对非连续型因变量和非正态分布型因变量的处理以及使用多层次方法分析纵向数据和构建三层模型的方法。

本书的编写遵循数学建模的基本原理，精选了一些典型数学模型案例，注重讲解基本建模的框架和方法。全书包括了9章2个附录，主要涉及了数学模型与数学建模基本概述、初等建模、线性规划、非线性规划、统计描述与分析、微分方程、差分方程、图与网络以及数学建模竞赛及专家讲评等基础模块，文后附加了MatLab、Python软件入门知识和使用简介。全书主要体现了以下特点：
1）以案例教学的形式，介绍数学建模的内容、方法和步骤，提升学生数学素质和能力；
2）以“问题-建模-求解”为主线，强调数学语言的表述和

本书系统介绍了数学建模的理论知识和求解方法，结合典型实例全面阐述了数学建模解决实际问题的基本过程。内容涵盖了数学建模课程中的一些基本方法和基本模型，包括插值与拟合、线性规划、整数规划与非线性规划、常微分方程与差分方程模型、概率统计模型、图论与网络优化、综合评价与决策模型等。

逻辑定理的机器证明是人工智能领域人们最早从事研究的课题。本书从逻辑定理的人工证明和机器证明两方面来展现逻辑定理证明的艺术，而机器证明又从定理的自动证明和计算机辅助证明两个方面来展现。本书首先用作者构造的命题演算系统FPC和狭谓词演算系统FQC完成常用逻辑定理的人工证明(一种自然推理证明)。其次，用逻辑定理的机器证明工具TPG(Tree Proof Generator)实现逻辑定理的自动证明(一种树证明)。最后，用交互式定理机器证明工具Fitch实现了逻辑定理的计算机证明(一种自然推理证明)。