《半群的双序集理论和范畴论方法》汇总了在半群代数结构研究中发展出来的双序集理论和系统采用的范畴论方法。作者希望能为半群与范畴的结构、分类及相互关系的研究提供一些思路和范例，供年轻学者进一步研究参考。前八章是作者所著《半群的双序集理论》（科学出版社2003年9月出版）一书的修改和补充：改正了若干错漏，增补了一些新习题，有利于读者更好地掌握双序集及相关理论的实质和意义。后八章则是作者近年来对印度数学家K.S.S.Nambooripad教授开创的正规范畴和正则半群相互联系的结构理论——交连系理论——向平衡范畴和一般富足半群的推广，包括对Nambooripad教授及其学生关于“一致半群”所做工作的完善和充实。

本书结合作者近几年的研究成果，主要介绍人工蜂鸟算法和蝠鲼觅食优化算法的提出、改进及其工程应用，内容包括：人工蜂鸟算法，包括算法提出的灵感、步骤、数学模型、性能测试及其工程应用等；人工蜂鸟算法的改进及其工程应用，从运用切比雪夫混沌映射进行初始化来提高求解的精度和引导觅食时加入莱维飞行，使得算法避免过早收敛和具有良好的稳定性两个方面对人工蜂鸟算法进行改进，改进后的算法应用在抽水蓄能机组调节系统非线性模型参数辨识中，并取得了比较好的效果；蝠鲼觅食优化算法，包括算法提出启发、步骤、数学模型、性能测试及其工程应用等；蝠鲼觅食优化算法的改进及其工程应用，采用精英反向学习算法优化初始种群、在链式觅食处采用自适应t分布代替链式因子优化个体在链式觅食点的更新策略等对蝠鲼觅食优化算法进行改进，采用改进的蝠鲼觅食优化算法对混流式水轮机尾水管压力脉动特征进行了有效识别。

本书为“985-211丛书”中的提高简程，对考研和数学竞赛中的数学分析解题方法和策略进行了归纳和总结，是在编者多年讲授数学分析、数学分析选讲、考研数学材料的基础上，多次修订而成，同时补充了考研数学分析综合试题的解题方法和策略。本书共分为12讲，内容主要包括一元函数微积分、多元函数微积分、无穷级数及含参变量积分等。本书系统全面，例题丰富，思路新颖，注重基础，适用于高等院校数学类各专业的学生学习“数学分析”课程及报考研究生复习使用，也可供从事数学分析教学的年轻教师参考使用。

《数智背景下消费者对商品信息的获知-更新-使用行为研究》围绕消费者信息行为展开。数智背景下，消费者信息行为复杂多变，《数智背景下消费者对商品信息的获知-更新-使用行为研究》采用大数据分析技术和计量经济模型的理论分析方法，探索消费者通过视频广告获知商品信息的行为、推送干扰下的信息更新行为，以及线上跨平台信息对比后的信息使用行为。通过对这三个信息环节的讨论为商家的市场需求预测、市场开发以及营销策略实施提供理论依据和实践指导。

数据科学的理论基础是数学。《数据科学中的数学方法》共六章。前三章系统介绍了数据科学里广泛使用的线性代数、概率论、微积分以及*优化理论的相关基础知识；后三章简练阐述了网络分析、量子算法、大模型的基本数学原理和一些代表性算法。《数据科学中的数学方法》部分应用案例源自作者的原创性工作，通过发现问题、分析问题、解决问题的逻辑链条，生动展示了数据建模在解决实际问题中的应用路径。

本书介绍例外群的知识，分为三部分：理论、应用及附录；共14章，包括经典群、复合代数、例外若尔当代数、例外群的算术子群、例外李群上同调、齐次空间、例外李群在理论物理和代数几何中的应用等。Bruce Hunt 于1986年在波恩大学取得博士学位，导师是Frierich Hirzebruch（同时代数学家中的领军人物）。Bruce Hunt 发表了“模簇、球商、Calabi-Yau 簇”等方向的一系列论文，2021年出版了获得五星好评的巨著《局部混合对称空间》，也是《微分几何：曲线、曲面、流形（第三版）》一书的英文译者。

本书系统介绍了凸分析基础的五个核心部分。①涉及与凸集理论有关的线性子空间、仿射集、超平面、凸包、单纯形、闭包、内部、相对内部、凸集分离和支撑超平面等基本性质和一些重要定理。②涵盖了与凸锥有关的顶点锥、锥包、凸锥包、回收锥、共轭锥（正极锥）、负极锥、法锥与切锥、障碍锥、凸锥分离、多面体、多面锥和多面体集等基本性质和重要定理。③细述了实值（有限值）凸函数、可微凸函数、正常与非正常凸函数、复合凸函数、半连续凸函数、闭凸函数、连续凸函数和Lipschitz连续凸函数、共轭凸函数、支撑凸函数、规范凸函数、严格凸函数、半严格凸函数、显凸函数等性质和定理。④阐述了拟凸函数、半严格拟凸函数、显拟凸函数、伪凸函数、二次可微广义凸函数和广义单调性等广义凸函数的基本理论与性质。⑤讨论了凸函数的微分学基本理论，其中主要包含了凸函数的可微性判定定理、方向导数与次微分的关系，凸函数的中值定理与若干运算性质，Dini方向导数与拟凸函数之间的关系等内容。

《工程数学问题求解算法及应用》是一本专注于介绍各类数值计算算法的专著，其主要内容安排如下：*先，介绍各类矩阵的分解算法，比如**的LU分解、QR分解等，并以矩阵分解原理为基础，介绍各类线性方程组的求解方法。其次，介绍求解线性方程组的各类迭代算法，如Jacobi迭代算法、Gauss-Seidel迭代算法等，接着导入非线性方程的求解问题，介绍求解该问题的各类迭代算法，如Newton算法等，进一步介绍求解非线性方程组的Newton算法衍生的各类迭代算法，如拟Newton算法等。再次，介绍各类插值和拟合算法，如三次样条插值、*小二乘拟合等。*后，以Euler算法为基础介绍常微分方程（组）求解算法和偏微分方程求解算法。

求非线性问题的解析近似解最著名的方法是摄动法，已有数百年历史，但其有效性强烈依赖物理小参数，且不能保证摄动数的收敛，原则上仅适用于弱非线性问题。本书作者1992年提出的同伦分析方法，其有效性与是否存在物理小参数无关，能确保级数解收敛，克服了摄动法几乎所有的局限性，被国内外学者誉为该领域的一个重要里程碑。 本书分为上下两卷。上卷描述同伦分析方法的基本思想和相关理论；下卷给出基于同伦分析方法和数学软件Mathematica开发的软件包BVPh 1.0及其应用举例，以及求解非线性偏微分方程的一些典型例子。本书适合大学高年级本科生和研究生，以及应用数学、物理、力学、金融、工程等众多领域的科学家和研究人员阅读。

本书以简明统一的方式介绍了用于求解线性约束凸优化问题的分裂收缩算法。我们以变分不等式（VI）和邻近点算法（PPA）为基本工具，构建了求解线性约束凸优化问题的分裂收缩算法统一框架。在该框架中，所有迭代算法的基本步骤包括预测和校正，分裂是指通过求解（往往有闭式解的）的凸优化子问题来实现迭代的预测;收缩指通过校正生成的新迭代点在某种矩阵范数意义下更加接近解集。统一框架既涵盖了经典意义下的PPA算法、用于求解线性约束凸优化问题的增广拉格朗日乘子法（ALM）和处理两个可分离块凸优化问题的乘子交替方向法（ADMM）等耳熟能详的算法，还为多块可分离凸优化问题的求解提供了多种方法。通过掌握这一并不复杂的统一框架，者可以根据可分离凸优化问题的具体特点，自行设计预测-校正方法求解。