本书介绍作者近年来提出的最小约束违背优化新方向和相关研究成果， 主要内容包括最小约束违背线性锥优化、最小约束违背二次规划、最小约束违背非线性凸优化、一类最小约束违背极小极大优化问题、最小约束违背非凸约束规划和一般度量下的最小约束违背凸优化.《BR》理论方面的进展包括以最小违背平移为工具， 延拓了各类凸优化问题的对偶理论， 证明了凸问题的可行性等价于对偶问题的有界性; 建立了由Lagrange函数定义的对偶函数与由平移问题定义的**值函数间的关系， 用对偶函数刻画了平移凸优化问题的对偶问题的解集; 证明了如果最小度量的平移集合非空， 那么最小约束违背线性锥优化问题的对偶问题具有无界的解集， 且负的最小度量的平移是这一对偶问题解集的回收方向.《BR》算法方面的进展包括证明了增广Lagrange方法可以求解各种最小约束违背的凸优化问题， 生成的平移序列收敛到最小度量的平移， 生成的点列满足近似地用增广Lagrange函数刻画的**性条件; 对于线性规划、二次凸规划和凸的非线性规划的1l-范数最小约束违背优化问题， 给出了1l-罚函数方法， 建立了方法生成的平移向量序列到最小1l-范数平移的误差估计; 证明了经典的罚函数方法在约束不相容时可以收敛到最小约束违背**解; 研究了非凸的最小约束违背的非线性规划问题的松弛MPCC问题的光滑函数方法， 证明了由光滑函数方法生成的序列的任何聚点都是L-稳定点; 对于G-范数最小约束违背凸优化问题， 构造了G-增广Lagrange方法， 证明了生成的平移序列收敛到最小G-范数度量的平移， 生成的点列满足近似地用G-增广Lagrang函数刻画的**性条件.

《数学物理方程与进阶分析工具（第二版）》的主要目的是帮助读者初步形成综合运用数学方法解决物理问题的能力。其核心内容是偏微分方程，它是刻画在演化中蕴含守恒之物理世界诸多机制的重要手段。《数学物理方程与进阶分析工具（第二版）》将着重讨论波动、热传导以及泊松方程这三类*典型的二阶线性偏微分方程，同时也将对特殊函数——一类可用于求解偏微分方程的重要分析工具进行讨论。《数学物理方程与进阶分析工具（第二版）》也以函数发展的视角对初等函数、特殊函数以及人工智能中*为重要的深度神经网络定义的函数进行简单讨论。

本书系统地介绍现代优化算法的发展脉络，重点针对局部搜索、模拟退火、禁忌搜索、遗传算法、蚁群算法、粒子群算法等经典算法进行了阐述，内容涉及优化机制、理论、流程、设计、应用等多个层面，并且每个算法都结合案例分析指导算法的设计与应用，同时介绍了国内外最近研究进展并开展相应的算法实践与应用研究。

近年来，Delta并联机器人凭借其*特优势快速发展，被广泛应用于众多尖端领域。随着应用场景不断拓展，人们对其稳定性、快速性、定位精度及自适应性的要求也日益提高，其运动学建模、轨迹规划及动力学控制也由此成为该领域的重要研究方向。《Delta并联机器人——建模、优化及运动控制》围绕Delta并联机器人的关键技术，系统探讨了运动学求解、轨迹规划方法、动力学控制及伺服系统控制等内容，并通过样机系统实验验证了理论方法的实用性。《Delta并联机器人——建模、优化及运动控制》共6章，涵盖绪论、运动学分析、轨迹规划方法与优化、控制系统设计、伺服系统设计及样机系统实验验证。

本书以凸分析及弹塑性摩擦接触问题的变分解法为出发点，通过近似次微分等基础概念及性质的介绍，引入非凸分析的理论框架，结合热力学分析与变分理论，建立非凸变分不等式解的存在唯一性分析，进而在塑性形变屈服面非凸的情况下应用非凸变分不等式求解相关弹塑性模型.本书特点是将变分不等式约束集非凸情况下理论求解方法的分析及其在弹塑性摩擦接触问题中的应用相结合，由浅入深地介绍非凸分析理论在非凸变分不等式及力学摩擦接触问题中如何使用与发挥作用，使学习过程结合理论与应用两个层面，较全面地理解理论学习与实际应用间的距离.

本书致力于局域共振的光谱理论，包括表面等离子体/极化子共振，非典型共振，异常局域共振和内部传输共振。这些共振现象出现在不同的物理环境中，但具有相似的特征。它们构成了许多尖端技术和应用的基础，包括隐形斗篷和超分辨率成像。本书从数学和频谱的角度，以系统全面的方式对这些共振现象及其相关应用进行了统一的处理，涵盖了声波、电磁波和弹性波散射。

郭柏灵论文集第十七卷由17篇独立论文组成，主要包括了郭柏灵院士在2018年发表的全部论文。郭柏灵论文集包括的主要内容有：确定性偏微分方程和随机偏微分方程，研究的问题包括适定性、爆破性、渐近性、孤立波等等。这些论文具有很高的学术价值，对偏微分方程、数学物理、非线性分析、计算数学等方向的科研工作者和研究生，是极好地参考著作。本书也适合从事偏微分方程、数学物理、非线性分析、计算数学等方向的科研工作者和研究生参考阅读。

《非线性约束系统的智能自适应控制理论及应用》系统介绍了非线性约束系统的智能自适应反步递推控制的基本理论和方法，力求涵盖国内外*新研究成果，主要内容包括非线性严格反馈系统的智能自适应约束控制设计方法及理论、非线性时滞约束系统的智能自适应控制设计方法及理论、非线性多智能体约束系统的智能自适应控制设计方法及理论、非线性切换约束系统的智能自适应控制设计方法及理论，以及不确定系统自适应状态约束控制方法的应用等。

《金融模型的数值方法》是“金融数学教学丛书”中的一本，是作者在同济大学、哈尔滨工业大学、上海财经大学等高校多年讲授“金融中的模型和计算”等课程讲义的基础上精心修订而成的，旨在为定量金融专业学生与业界专业人士提供**的计算数学工具.《金融模型的数值方法》内容丰富，涵盖数值代数、数值逼近的基础知识，详细阐述随机数生成、资产价格模拟过程，深入解析金融衍生物定价的蒙特卡罗方法、期权定价的二叉树及有限差分方法，以及随机微分方程数值方法;同时介绍了优化投资组合选择、随机优化基础，以及神经网络在金融领域的应用，推动人工智能技术与金融学科的深度融合.编写过程中，作者力求构建完整的知识体系，兼顾数学理论的严密性与国内金融市场特点，着重突出实践应用，并配备重要算法程序，助力学生提升编程能力，特别地，《金融模型的数值方法》重要程序附在二维码链接中，扫码可以获取程序进行练习.部分标“*”号的章节内容，可供研究生或有深入学习需求者进一步钻研.

本书的主题是高分子粗粒化模型的蒙特卡罗（Monte Carlo）模拟，侧重于研究高分子体系平衡态行为的Monte Carlo方法。本书共分八章。第1章为绪论。第2章介绍一些对高分子体系进行分子模拟时常用的粗粒化模型，包括非格点（即连续空间）和格点模型。第3章介绍Monte Carlo模拟中常用的各种统计系综以及Monte Carlo模拟的基本原理。第4章讲述一些对高分子体系的粗粒化模型进行MonteCarlo模拟的基本操作方法。对于刚进入高分子模拟领域的研究人员，在读完第1～4章后就可以着手进行编程和模拟操作了。第5章和第6章更适合于在这个领域中的研究人员进一步提高他们的模拟水平。第5章讲述一些传统的、专用于高分子体系粗粒化模型的Monte Carlo模拟方法。第6章讲述一些自由能计算和高等Monte Carlo模拟方法。第7章介绍由作者之一提出的快速Monte Carlo模拟，其基本思想是使用允许粒子重叠的软势。快速Monte Carlo模拟对构型空间的抽样比使用硬排除体积作用的Monte Carlo模拟要快/好至少几个数量级，并且其结果可以与实验中所用的高分子体系达到定量吻合。第8章讲述两个独立的专题，包括计算格点高分子体系的压强，以及一级和二级相变的有限尺寸标度理论。