将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

《应用随机过程教程》教学资源（参考资料）与在算法和智能计算中的应用——符号说明

针对板坯入库优化决策问题,采用隶属度函数表示待入库板坯长度、宽度、厚度与各库位已存板坯对应属性的匹配程度,建立了板坯入库模型.针对问题特征,借鉴遗传算法的交叉和变异操作,设计了一种混合离散粒子群算法(DPSO-CM)进行求解.基于企业实际生产数据的仿真实验验证了模型和算法的可行性和有效性

《应用随机过程教程》教学资源（参考资料）与在算法和智能计算中的应用——前言

1、算术基本定理 2、同余关系 3、密码学基础

1、逻辑(Logic) 2、集合(Sets) 3、算法(Algorithms) 4、数论(Number Theory)

一、 偏导数的定义及其计算法 二 、高阶偏导数

一、对弧长的曲线积分的概念与性质 二、对弧长的曲线积分的计算法 三、小结

5.1 线性规划问题的标准形式 5.2 线性规划问题的几何解释 5.3 定义和定理 5.4 单纯形算法 5.5 应用实例

3.1 基本概念 3.2 牛顿-柯特斯公式 3.3 龙贝格算法 3.4 高斯公式