本書共有六章: 第一章介紹最優化問題的數學模型和相關優化方法的基礎知識, 包括線性代數、微積分、空間、幾何和變換等。第二章主要介紹線性規劃的基本概念及解的性質、單純形法、對偶理論與整數規劃等。第三章介紹非線性優化的基本理論, 包括凸規劃、最優性條件、下降迭代法和常用一維搜索算法等。第四章著重介紹無約束最優化方法, 包括最速下降法、牛頓法、共軛梯度法、變尺度法、Powell方向加速法和最小二乘法等。第五章介紹約束最優化方法, 包括可行方向法、罰函數法、增廣拉格朗日乘子法和投影梯度法等。第六章側重介紹現代優化方法, 包括模擬退火算法、神經網絡算法、遺傳算法、支持向量機和深度學習等。每章配有適量習題, 便于讀者通過自主練習來更好地掌握所學內容。
新書資訊