1. 《Julia高性能科学计算》是Julia Programming for Operations Research的中文版，作者是美国南佛罗里达大学副教授Changhyun Kwon。他为了方便学生学习写下本书，因此《Julia高性能科学计算》可以作为高校计算机、运筹学及相关专业师生的优秀的参考书。
2. 《Julia高性能科学计算》还可以作为Julia语言爱好者、IT从业者、技术尝鲜者的入门图书，《Julia高性能科学计算》的内容主要涉及Julia语言、科学计算、数学建模、数值优化、优化求解、运筹学等。
3. 感谢麻省理工学院（MIT）在读博士、Julia中文社区核心成员覃含章，Julia中文社区核心成员、Julia的量子算法包Yao.jl的作者之一罗秀哲（Roger）为《Julia高性能科学计算》这本书做序，他们皆在阅读本书的中、英文版本后才提笔写下客观的荐言，其诚足为读者阅读本书的“钥匙”。
Julia像C一样快，像MATLAB一样方便，并且像Python一样通用。在Julia开发者，特别是JuMP包开发者的大力支持下，Julia为运筹学及相关领域的高性能科学计算提供了一个强大的工具——JuMP。
《Julia高性能科学计算（第2版）》对Julia语法基础及其标准库、编程技巧、数值优化、优化求解、计算机科学计算都有所涉及，它可以作为计算机科学计算的入门图书使用；《Julia高性能科学计算（第2版）》作者是美国南佛罗里达大学副教授Changhyun Kwon，他为了方便学生的研究、学习写下本书，所以《Julia高性能科学计算（第2版）》也可以作为高校研究生和教师的有用的参考书。
第1 章 介绍和安装 1
1.1 什么是Julia 及为什么要使用Julia 2
1.2 安装Julia 4
1.2.1 在Windows 系统上安装Julia 4
1.2.2 在macOS 系统上安装Julia 9
1.2.3 运行Julia 脚本 13
1.2.4 安装Gurobi 13
1.2.5 安装CPLEX 15
1.3 安装IJulia 17
1.4 包管理 20
1.5 帮助 22
第2 章 简单线性规划 24
2.1 线性规划问题 25
2.2 写线性规划问题的其他方式 29
2.3 写线性规划问题的另一种方式 31
2.4 混合整数线性规划问题 32
第3 章 Julia 语言基础 35
3.1 向量、矩阵和数组 35
3.2 元组 40
3.3 索引和范围 42
3.4 打印信息 45
3.5 集合、字典和循环 47
3.6 函数 50
3.7 变量的作用域 52
3.8 随机数生成 55
3.9 文件读/写 59
3.10 绘图 63
3.10.1 PyPlot 包 64
3.10.2 在PyPlot 中避免使用第三方字体 68
第4 章 数值方法选讲 70
4.1 曲线拟合 70
4.2 数值微分 75
4.3 数值积分 78
4.4 自动微分 80
第5 章 单纯形法 84
5.1 单纯形法简介 84
5.2 查询所有基本可行解 87
5.3 使用JuMP 包 93
5.4 表格式的枢轴旋转 93
5.5 单纯形法的实现 95
5.5.1 initialize(c,A,b) 97
5.5.2 is_optimal(tableau) 99
5.5.3 pivoting!(tableau) 100
5.5.4 创建模型 104
5.6 后面的步骤 110
第6 章 网络优化问题 111
6.1 最小费用网络流问题 111
6.2 运输问题 121
6.3 最短路径问题 127
6.4 实现Dijkstra 算法 132
第7 章 内点法 138
7.1 仿射尺度算法 138
7.2 原路径跟踪算法 144
7.3 评述 149
第8 章 非线性优化问题 151
8.1 无约束优化 151
8.1.1 线性搜索 151
8.1.2 无约束优化 153
8.1.3 盒约束优化 154
8.2 非线性优化 155
8.3 其他求解器 156
8.4 混合整数非线性规划 161
第9 章 蒙特卡洛方法 163
9.1 概率分布 163
9.2 随机线性规划 165
9.3 估算简单路径的数目 172
第10 章 拉格朗日松弛 181
10.1 拉格朗日松弛介绍 181
10.1.1 下界与上界 182
10.1.2 次梯度优化 183
10.1.3 总结 184
10.2 p-中位问题 184
10.2.1 读取数据文件 186
10.2.2 最优化求解p-中位问题 188
10.2.3 拉格朗日松弛应用 189
10.2.4 求解下界 189
10.2.5 求解上界 193
10.2.6 更新拉格朗日乘子 195
第11 章 互补问题 208
11.1 线性互补问题（LCP） 208
11.2 非线性互补问题（NCP） 216
11.3 混合互补问题（MCP） 220
第12 章 最优化求解器中的参数 221
12.1 设置CPU 时间限制 221
12.2 设置最优化间隙公差 222
12.3 热启动 223
12.4 Big-M 与整性公差 224
12.5 关掉求解器的输出 225
12.6 其他求解器参数 226
温馨提示：请使用浙江图书馆的读者帐号和密码进行登录
Julia 语言（以下简称Julia）作为一门在MIT（Massachusetts Institute of Technology，麻省理工学院）开源框架协议下开发的高性能计算语言，至今也不过十年左右的历史。Julia 在开发之初就有相当大的野心：它要像C 语言（以下简称C）一样快速，同时要有像Ruby 那样的动态语言的特性；要具有Lisp 般的元编程能力而又有MATLAB 那样的数学符号输入；要像Python 般通用、像R 般在统计分析上得心应手、像Perl 般自然地处理字符串、像MATLAB 般有强大的线性代数运算能力、像Shell 般具有“胶水语言”的进程管理能力；它要易于学习而又不让真正的极客感到无聊；还有，它应该是交互式的，同时又是编译型的……
Julia 选择了更适合科学工作者思维和编程习惯的多重派发作为其面向对象的核心特性。随着2018 年8 月Julia 1.0 版本的发布，这门编程语言也进入了一个崭新的阶段。虽然上一段的“野心”里提到的很多目标还没有完美地实现， Julia语言目前也没有完全成熟，并且还有很长的路要走（类似Python 的2.0 版本阶段），但是它已经在科学计算、数学规划、数值优化、机器学习、交互性编程设计等多个方面有了很多成熟的应用。当然，这并不是说你随便写一段Julia 代码就真的能达到和C++相当的速度。Julia 这门语言的特色是，它给你提供了充分优化的空间和（达到高性能代码的）相对容易的编程体验。
这也正是这本中译版的《Julia 高性能科学计算》能给你带来帮助的地方。如果你是一位对Julia 编程感兴趣的编程初学者，可能对Python或MATLAB 有一点经验但经验并不丰富，那么希望你对Julia 在1.0 版本之后对科学计算、运筹优化的具体实现感兴趣。这本书里丰富的实例和Kwon 教授的代码及讲解将能循序渐进地带你入门。尤其Julia 是一门开源语言，目前还没有像MATLAB 社区这样系统、规范的官方文件，这就显得Kwon 教授在自己学习和使用Julia 后分享的这个教程更加难能可贵了。
下面谈一点我自己使用Julia 的心得。我是从2015 年开始使用这门语言的，当时还是0.3 版本，处在非常初期的阶段。虽然有各种各样的问题，但是在琢磨package相应的.jl 源码，包括在Julia 英文和中文社区与诸多Julia 语言的先行者切磋交流之后，我便无法自拔地爱上了这门语言。我曾经是一位MATLAB 重度用户，Python/C++开发者，但现在已经很少使用这些语言了，在我的日常研究中，倒是天天在用Julia。
欢迎尝试、学习、使用Julia 这门潜力无限的编程语言。
覃含章
2020 年1 月于美国剑桥
Julia 是我zui喜欢的语言：它是一门以科学计算为主要服务目标的语言，同时兼顾了易用性和高性能。2018 年，在Julia v1.0 发布之后，其就因为宏大的目标而颇受关注。作为一名科研工作者，我和我身边的老师在长期的实践中使用Julia 解决了很多实际的数值问题，它无疑在一定程度上解决了科学计算中的两语言问题。
与此同时，Julia 社区也是目前为止我所知道的对科学计算zui友好的社区，在这个社区里聚集着多个科学研究领域的专家，其中很大的一个分支就是以JuMP 为代表的数学优化社区。JuMP 作为一个优秀的开源项目在数学优化领域里也已颇具规模，它的作者在2016 年获得了INFORMS Computing Society（一个研究计算机、人工智能，以及与之相关的运筹学和管理学的社团。其目的是帮助运筹学和管理学研究协会的成员提高计算机技术和人工智能技术）奖。JuMP也已经成为NumFOCUS 官方支持的项目，同时围绕着这样一个开源项目，社区里也聚集了一批数学优化专家。
Julia中文社区一直缺乏优秀的书籍和资料将Julia 社区的优势引入中国，我很高兴能够看到这样一本专业书籍被翻译成中文。在阅读本书的过程中，作为一个运筹学的“门外汉”，我也学到了一些运筹学的知识。更重要的是本书将会在传授运筹学知识的同时讲解如何具体地通过使用JuMP 来应用相关的算法。它很适合对Julia 还不太熟悉且对运筹学感兴趣的朋友。
希望这样一本中译本图书能够帮到中文世界里对运筹学和Julia 感兴趣的朋友。
罗秀哲
2020 年2 月于滑铁卢