书籍介绍
本书是一本关于最优化技术的入门教材，全书共分为四部分。第一部分是预备知识。第二部分主要介绍无约束的优化问题，并介绍线性方程的求解方法、神经网络方法和全局搜索方法。第三部分介绍线性优化问题，包括线性优化问题的模型、单纯形法、对偶理论以及一些非单纯形法，简单介绍了整数线性优化问题。第四部分介绍有约束非线性优化问题，包括纯等式约束下和不等式约束下的优化问题的最优性条件、凸优化问题、有约束非线性优化问题的求解算法和多目标优化问题。中文版已根据作者提供的勘误表进行了内容更正。
目录
用户评论
非常推荐，非常适合入门。适合研究生早期读。读完之后再看论文会容易很多。非常棒的一本书。很有条理，翻译的也很好。
比Tsinghua那本好
数学基础的部分写得挺好的。其他部分只能说尽力了，感性理解了，感觉我只需要抓点 machine learning theory 和只有代码的优化书看看就好了（不我需要的是重修线性代数
大部分还可以，但是共轭梯度法和线性规划那部分感觉还是没有写的很透彻
写的深入浅出，有必要的推导，直观的解释而且还不啰嗦。
Eg version
书不错，讲解清楚，但是内容感觉少了一些，和老师的讲义符号刚好反过来，学着别扭。看了一半，考试过了就行，估计以后也用不上了。
中英文都写得不错。第一章数学知识回顾，简单明了，还给了一些重要的证明，以及指出了某些参考文献中的具体证明所在位置。另外，会从历史发展的角度来描述 有约束/无约束 线性/非线性 优化中的不同方法，和它们之间的关联，层层递进，鞭辟入里。
最优化入门必备，基础的优化算法都有涉及，且不会过度注重严格数学推导，例子帮助理解。对于应用很友好
Z-Library