本書以統計學、群智能優化算法、計算機科學與技術、綜合評價等理論為基礎,論述投影尋蹤分類(PPC)和投影尋蹤回歸(PPR)模型在綜合評價、排序、分類研究,以及有教師值(有監督)的綜合評價、數據擬合、預測、預警研究中的實踐應用。第一章主要論述PPC、PPR模型的由來、特點、研究新進展及其存在的主要問題;第二章主要介紹目前常用的PP模型、特性、適用條件等;第三章簡要介紹幾種全局搜索能力強和局部收斂較快速的群智能優化算法,並進行實證研究;第四章詳細論述一維PPC模型的建模原理、投影窗口半徑等參數、歸一化方法等對建模結果的影響等,提出判定優化過程求得全局優化的定理和推論,論述判斷結果正確性、合理性的基本原則,並通過大量實例構建一維PPC模型的流程,以及現有研究中存在的主要問題等;第五章通過實證研究論述建立基於單指標區間評價標準的插值型IPP模型的基本原理、構建原則及其注意事項等;第六章通過實證研究論述建立低維逐次投影尋蹤LDSPPC模型的基本原理、構建原則、適用條件及其注意事項等;第七章通過實例論述建立PPR模型、基於試驗優化設計的PPR模型,分析其適用條件和存在的主要問題等;第八章主要論述建立PPTR、PPBP、PPAR、PPARTR、PPARBP等投影尋蹤耦合模型的基本原理、適用條件、存在問題以及開展實證研究等,論述PPBP與BPNN模型的區別、聯繫及其選用原則等;第九章主要論述建立PP模型與TOPSIS、GRA、ANN、SFA、雲模型等組合模型的基本原理、適用條件和存在的主要問題,以及實證研究等;第十章通過實證研究,手把手帶領讀者學習建立PPC、IPP、DCPP、MPPC、PPR、PPAR、PPTR、PPBP、PPARTR等模型,展望PP建模理論與應用研究的發展趨勢。