一般地，线性搜索算法分成两个阶段： 第一阶段确定包含理想的步长因子（或问题最优解）的搜索区间； 第二阶段采用某种分割技术或插值方法缩小这个区间

基本思想 设法将约束问题求解转化为无约束问题求解． 具体说：根据约束的特点，构造某种惩罚函数， 然后把它加到目标函数中去，将约束问题的 求解化为一系列无约束问题的求解． 惩罚策略：企图违反约束的迭代点给予很大的 目标函数值．迫使一系列无约束问题的极小点或 者无限地靠近可行域，或者一直保持在可行域 内移动，直到收敛到极小点．

偏微分方程定解问题的最常用解法,分离变量法 解常微分方程定解问题时,通常总是先求出微分方程的特解,由线性无关的特解 叠加出通解,而后用定解条件(例如初条件)定出叠加系数. 一阶线性偏微分方程的求解问题,基本的方法也是转化为一阶线性常微分方程组 的求解问题

四、Gauss消元法的矩阵形式 三、 主元消元法 二、Gauss消元法的基本思想 一、引言 五、小结

在第十一章“函数”中,已经初步接触过 Green函数,讨论了常微分方程 Green 函数的定义、对称性质及其求法 本章将继续这一话题,讨论偏微分方程定解问题 Green函数的概念、对称性质以 及常用的求法

排队论的基本概念； 到达时间间隔和服务时间的分布； 单服务台的排队系统； 多服务台的排队系统； 排队论的应用案例分析

第一节 时间序列概述 一、时间序列的意义 二、时间序列的种类 三、时间序列编制原则 四、时间序列的建立 第二节 时间序列分析 一、时间序列分析概念 二、确定性与随机性时间序列分析 三、时间序列分析方法 四、时间序列的应用 第三节 时间序列及其特征识别 一、时间序列与随机过程 二、时间序列的识别判据 三、时间序列特征的识别 第四节 平稳时间序列模型 一、一阶自回归模型 二、一般自回归模型 三、移动平均模型 四、自回归移动平均模型

§10.1 线性规划问题 §10.2 线性规划问题的几何意义 §10.3 单纯形法 §10.4 非线性优化问题 §10.5 一维搜索 §10.6 无约束非线性优化

[1] 有趣的蒙提霍尔问题（Monty Hall problem） [2] 抽球问题 [3] 街头骗局揭秘 [4] 求圆周率π(另一种用蒙特卡洛方法) [5] 四人追逐问题 [6] 排队系统模拟实例

§4.1 最速下降法(Cauchy法) §4.2 Newton法（二阶方法） §4.3 共轭方向法 §4.4 共轭梯度法 §4.5 拟Newton法（变尺度法）