剧情简介：本书几乎囊括了所有主流的凸优化算法。包括梯度法、次梯度法、多面体逼近法、邻近法和内点法等。这些方法通常依赖于代价函数和约束条件的凸性（而不一定依赖于其可微性），并与对偶性有着直接或问接的联系。作者针对具体问题的特定结构，给出了大量的例题，来充分展示算法的应用。 各章的内容如下：第1章，凸优化模型概述；第2章，优化算法概述；第3章，次梯度算法；第4章，多面体逼近算法；第5章，邻近算法；第6章，其他算法问题。 本书的一个特色是在强调问题之间的对偶性的同时，也十分重视建立在共轭概念上的算法之间的对偶性，这常常能为选择合适的算法实现方式提供新的灵感和计算上的便利。 本书均取材于作者过去15年在美国麻省理工学院的凸优化方面课堂教学的内容。《凸优化算法》和《凸优化理论》合起来可以作为一个学期的凸优化课程的教材；《凸优化算法》也可以用作非线性规划课程的补充材料。
外文名：Convex Optimization Algorithms
作者：Dimitri P. Bertsekas
出版社：清华大学出版社
ISBN：9787302430704
