本书深入地介绍了实用算法优化的相关内容，讲述了解决各种问题的计算方法，包括搜索高维空间、处理存在多个竞争目标的问题以及兼顾指标中的不确定性。全书主要涵盖以下主题：多维导数及其生成，局部下降和一阶、二阶方法，将随机性引入优化过程的随机方法，目标函数和约束都为线性时的线性约束优化，基于种群的方法，代理模型、概率代理模型以及使用代理模型进行优化的方法，不确定性下的优化，不确定性传播，表达式优化，多学科优化。附录简要介绍了本书使用的Julia 编程语言、评估算法性能的测试函数、与导数和优化方法相关的数学概念。 　　　　 本书适合高等院校数学、统计学、计算机科学等专业的本科生和研究生学习，也可用作相关领域的参考资料。

本书深入地介绍了实用算法优化的相关内容，讲述了解决各种问题的计算方法，包括搜索高维空间、处理存在多个竞争目标的问题以及兼顾指标中的不确定性。全书主要涵盖以下主题：多维导数及其生成，局部下降和一阶、二阶方法，将随机性引入优化过程的随机方法，目标函数和约束都为线性时的线性约束优化，基于种群的方法，代理模型、概率代理模型以及使用代理模型进行优化的方法，不确定性下的优化，不确定性传播，表达式优化，多学科优化。附录简要介绍了本书使用的Julia 编程语言、评估算法性能的测试函数、与导数和优化方法相关的数学概念。 　　　　 本书适合高等院校数学、统计学、计算机科学等专业的本科生和研究生学习，也可用作相关领域的参考资料。

本书系统和全面地介绍了组合优化的基本理论和重要算法。全书共分22章，内容既包括图论、线性和整数规划以及计算复杂性等基础部分，又涵盖了组合优化中若干重要问题的经典结果和最新进展。除了对理论的深刻讨论外,书中还提供了丰富的研究文献和具有挑战性的习题。 本书是组合优化领域的重要著作，既可作为研究生教材，也是一本从事组合优化研究的必备参考书。

本书包括凸集和凸函数，线性规划原理和方法，对偶理论，最优性条件，无约束最优化方法和约束最优化方法等内容。书中介绍了一些最新研究成果，如Karmarhr算法等，内容比较丰富，算法比较齐全，实用性比较强。定理的证明和算法的推导主要以数学分析和线性代数为基础，简明易学。可作为《线性规划与非线性规划》课程的教学参考书，也可供应用数学工作者和工程技术人员参考。

本书是陈宝林教授在多年实践基础上编著的。书中包括线性规划单纯形方法、对偶理论、灵敏度分析、运输问题、内点算法、非线性规划KT条件、无约束优化方法、约束优化方法、整数规划和动态规划等内容。 本书含有大量经典的和新近的算法，有比较系统的理论分析，实用性比较强；定理的证明和算法的推导主要以数学分析和线性代数为基础，比较简单易学。 本书可以作为运筹学类课程的教学参考书，也可供应用数学工作者和工程技术人员参考。

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。

最优化计算方法是运筹学、计算数学、机器学习和数据科学与大数据技术等专业的一门核心课程。最优化问题通常需要对实际需求进行定性和定量分析，建立恰当的数学模型来描述该问题，设计合适的计算方法来寻找问题的最优解，探索研究模型和算法的理论性质，考察算法的计算性能等多方面。最优化广泛应用于科学与工程计算、数据科学、机器学习、人工智能、图像和信号处理、金融和经济、管理科学等众多领域。 本书将介绍最优化的基本概念、典型案例、基本算法和理论。 通过本书的学习，掌握最优化的基本概念，最优性理论，典型的几类最优化问题（如凸优化，无约束优化，约束优化，复合优化等等）的建模或判别，相关优化问题的基本计算方法，并能熟练调用基于MATLAB或Python等语言的典型优化软件程序求解一些标准的优化问题，灵活运用所讲授的算法和理论求解一些非标准的优化问题。达到锻炼将实际问题建立合适最...(展开全部)

群智能优化算法作为一种新兴的智能优化技术和诸多交叉学科研究领域的前沿，受到了越来越多研究者的关注。这些算法受自然界生物进化过程和生物群体行为规律的启发，吸收和融合了运筹学、生物学、物理学、计算数学、计算机科学、人工智能和控制论等学科思想和方法，在没有集中控制且不提供全局信息的条件下，为求解传统优化方法难以解决的非线性、不可微、不确定、多目标、分布式复杂优化问题提供了新思路和新手段，在诸多学科领域得到了成功应用。本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例，特别是对每个应用实例都给出了详细的MATLAB实现参考程序。本书可作为高校本科生、研究生相关课程的教材或参考书，也可供相关工程技术人员自学参考。

群智能优化算法作为一种新兴的智能优化技术和诸多交叉学科研究领域的前沿，受到了越来越多研究者的关注。这些算法受自然界生物进化过程和生物群体行为规律的启发，吸收和融合了运筹学、生物学、物理学、计算数学、计算机科学、人工智能和控制论等学科思想和方法，在没有集中控制且不提供全局信息的条件下，为求解传统优化方法难以解决的非线性、不可微、不确定、多目标、分布式复杂优化问题提供了新思路和新手段，在诸多学科领域得到了成功应用。本书选取了具有代表性的遗传算法、差分进化算法、人工免疫算法、粒子群优化算法、蚁群优化算法、人工蜂群算法、细菌觅食优化算法、人工鱼群算法、混合蛙跳算法、萤火虫算法、布谷鸟搜索算法、狼群算法、秃鹰搜索优化算法、蝠鲼觅食优化算法、野狗优化算法和沙丘猫群优化算法16种群智能优化算法，重点讲述了这些算法的基本原理、运算流程、主要参数和应用实例，特别是对每个应用实例都给出了详细的MATLAB实现参考程序。本书可作为高校本科生、研究生相关课程的教材或参考书，也可供相关工程技术人员自学参考。

本书主要介绍并行计算相关的算法的设计和并行计算的性能优化技巧，涵盖现代处理器的特性、衡量程序性能的方法、串行代码性能优化、并行编程模型及其环境、并行算法设计、遗留代码的并行处理、并行编程模型、混合并行等核心技法与实践技巧。