第1章 高级应用回归分析 1
1.1 普通线性回归分析 1
1.1.1 多元线性回归模型 1
1.1.2 回归方程显著性检验 2
1.1.3 回归系数显著性检验 3
1.1.4 案例分析 3
1.1.5 总结与体会 6
1.2 主成分回归分析 6
1.2.1 主成分的定义 6
1.2.2 主成分的计算 7
1.2.3 主成分回归的步骤 8
1.2.4 案例分析 8
1.2.5 总结与体会 14
1.3 岭回归分析 14
1.3.1 岭回归的概念 15
1.3.2 岭回归估计的性质 15
1.3.3 岭参数的选择 16
1.3.4 案例分析 17
1.3.5 总结与体会 20
1.4 偏最小二乘回归分析 20
1.4.1 偏最小二乘回归的基本思想 21
1.4.2 偏最小二乘回归的计算方法 21
1.4.3 偏最小二乘回归成分数的选取 24
1.4.4 案例分析 25
1.4.5 总结与体会 29
1.5 向量自回归 30
1.5.1 向量自回归模型 31
1.5.2 向量自回归的计算步骤 31
1.5.3 案例分析 34
1.5.4 总结与体会 38
第2章 实验数据分析 39
2.1 logistic回归分析 39
2.1.1 logistic回归模型 40
2.1.2 logistic回归的参数估计 41
2.1.3 logistic回归模型的检验 42
2.1.4 logistic回归的预测 43
2.1.5 其他类型的logistic回归 44
2.1.6 案例分析 45
2.1.7 总结与体会 50
2.2 Probit回归分析 50
2.2.1 Probit回归模型 50
2.2.2 Probit回归模型的参数估计 51
2.2.3 Probit回归模型的检验 52
2.2.4 logistic模型与Probit模型的对比 53
2.2.5 案例分析 53
2.2.6 总结与体会 54
2.3 方差分析 54
2.3.1 单因素方差分析 54
2.3.2 双因素方差分析 57
2.3.3 案例分析 60
2.3.4 总结与体会 65
2.4 响应面回归分析 65
2.4.1 二次响应面回归模型 66
2.4.2 二次响应面回归模型的检验 67
2.4.3 案例分析 69
2.4.4 总结与体会 72
第3章 数学规划经典问题 73
3.1 数学规划概述 73
3.1.1 线性规划的发展 73
3.1.2 线性规划的一般形式 73
3.1.3 规范的数学规划模型的特征 74
3.2 整数规划与0-1规划 74
3.2.1 整数规划与0-1规划的定义 74
3.2.2 案例分析 75
3.2.3 总结与体会 78
3.3 非线性规划 78
3.3.1 非线性规划模型 78
3.3.2 二次规划模型 79
3.3.3 案例分析 79
3.4 多目标规划 85
3.4.1 多目标规划的基本理论 85
3.4.2 多目标规划的常用解法 87
3.4.3 案例分析 90
3.4.4 总结与体会 91
3.5 目标规划 91
3.5.1 目标规划模型 91
3.5.2 目标规划模型的求解 95
3.5.3 总结与体会 96
3.6 动态规划 96
3.6.1 动态规划的最优原理及其算法 96
3.6.2 案例分析 98
3.6.3 总结与体会 108
第4章 现代智能优化算法简介 109
4.1 遗传算法 109
4.1.1 问题描述 109
4.1.2 问题分析 109
4.1.3 模型构建 110
4.1.4 模型求解 114
4.1.5 结果分析 117
4.1.6 总结与体会 118
4.2 蚁群算法 118
4.2.1 问题描述 119
4.2.2 问题分析 119
4.2.3 模型构建 119
4.2.4 模型求解 122
4.2.5 结果分析 125
4.2.6 总结与体会 126
4.3 贪婪算法 127
4.3.1 问题描述 128
4.3.2 问题分析 128
4.3.3 模型构建 129
4.3.4 模型求解 129
4.3.5 结果分析 131
4.3.6 总结与体会 131
4.4 模拟退火算法 132
4.4.1 问题描述 134
4.4.2 问题分析 135
4.4.3 模型构建 135
4.4.4 模型求解 136
4.4.5 结果分析 139
4.4.6 总结与体会 140
4.5 回溯法 141
4.5.1 数学理论介绍 141
4.5.2 问题描述 142
4.5.3 问题分析 142
4.5.4 模型构建 142
4.5.5 模型求解 143
4.5.6 结果分析 145
4.5.7 总结与体会 145
4.6 粒子群算法 145
4.6.1 问题描述 146
4.6.2 问题分析 147
4.6.3 模型构建 147
4.6.4 模型求解 148
4.6.5 结果分析 151
4.6.6 总结与体会 152
第5章 网络优化 153
5.1 图的基本概念 153
5.2 最短路问题 156
5.2.1 Dikstra算法 156
5.2.2 Floyd算法 158
5.2.3 最短路的优化模型 161
5.2.4 总结与体会 163
5.3 最小生成树 163
5.3.1 Kruskal避圈法 164
5.3.2 Prim算法 166
5.3.3 最小生成树的优化模型 168
5.3.4 总结与体会 171
5.4 旅行商问题 171
5.4.1 贪婪算法（近似算法） 171
5.4.2 改良圈算法（近似算法） 173
5.4.3 旅行商问题的优化模型 176
5.4.4 总结与体会 177
5.5 着色问题 177
5.5.1 最大度数优先的Welsh-Powell算法（近似算法） 178
5.5.2 着色问题的优化模型 179
5.5.3 总结与体会 181
5.6 网络流问题 181
5.6.1 最大流与Ford-Fulkerson标号算法 181
5.6.2 最小费用流与迭加算法 185
5.6.3 网络流问题的优化模型 188
5.6.4 总结与体会 189
5.7 大型网络模型实例 189
5.7.1 灾情巡视路线问题 189
5.7.2 送货员送货问题 193
第6章 计算机仿真与排队论 201
6.1 计算机仿真 201
6.1.1 准备知识：随机数的产生 201
6.1.2 随机变量的模拟 203
6.1.3 时间步长法 205
6.1.4 事件步长法 207
6.1.5 蒙特卡罗模拟 209
6.1.6 案例分析 210
6.1.7 总结与体会 213
6.2 排队论 213
6.2.1 基本概念 214
6.2.2 排队系统的描述 215
6.2.3 排队系统的描述符号与分类 216
6.2.4 排队系统的主要数量指标 217
6.2.5 排队系统的优化目标与最优化问题 222
6.2.6 总结与体会 223
第7章 微分方程与差分方程模型 224
7.1 微分方程模型 224
7.1.1 微分方程模型的使用背景 224
7.1.2 微分方程模型的建立方法 224
7.1.3 案例分析 224
7.1.4 总结与体会 238
7.2 差分方程模型 239
7.2.1 差分方程模型的使用背景 239
7.2.2 差分方程的理论和解法 239
7.2.3 案例分析 240
第8章 大数据统计初步 248
8.1 大数据统计方法与原理 248
8.1.1 TXT文件的导入与导出 248
8.1.2 Excel文件的导入与导出 257
8.1.3 总结与体会 258
8.2 数据的预处理 258
8.2.1 插值与拟合 258
8.2.2 异常点检测 264
8.3 支持向量机 268
8.3.1 最优分类超平面 268
8.3.2 案例分析 272
8.3.3 总结与体会 273
参考文献 274