✍ Scribed by 陈宝林
No coin nor oath required. For personal study only.
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。
📜 SIMILAR VOLUMES
<p>《数值最优化算法与理论(第2版)》较为系统地介绍最优化领域中比较成熟的基本理论与方法。基本理论包括最优化问题解的必要条件和充分条件以及各种算法的收敛性理论。介绍的算法有：无约束问题的最速下降法、Newton法、拟Newton法、共轭梯度法、信赖域算法和直接法；非线性方程组和最小二乘问题的Newton法和拟Newton法；约束问题的罚函数法、乘子法、可行方向法、序列二次规划算法和信赖域算法等。还介绍了线性规划的基本理论与单纯形算法以及求解二次规划的有效集法。并简单介绍了求解全局最优化问题的几种常用算法。</p> <p>作为基本工具，《数值最优化算法与理论(第2版)》在附录中简要介绍了求解
<p>官方网站 http://bicmr.pku.edu.cn/~wenzw/optbook.html</p> <br> <p>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
内 容 简 介 本书全面、系统地介绍了无约束最优化、约束最优化和非光滑最优化 的理论和计算方法，它包括了近年来国际上关于优化研究的最新成果. 本书可作研究生教材，可供从事计算数学、应用数学、运筹学和计算技 术的科研人员参考.
以机器学习为核心的人工智能已经成为新一代生产力发展的主要驱动因素。新的技术正在向各行各业 渗透，大有变革各个领域的趋势。传统产业向智慧产业的升级迫使原行业从业人员逐渐转型，市场上对相 关学习材料的需求也日益高涨。帮助广大学习者更好地理解和掌握机器学习，是编写本书的目的。 本书针对机器学习领域中最常见的一类问题——有监督学习，从入门、进阶、深化三个层面由浅入深 地进行了讲解。三个层面包括基础入门算法、核心理论及理论背后的数学优化。入门部分用以逻辑回归为 代表的广义线性模型为出发点，引入书中所有涉及的知识点；进阶部分的核心理论涵盖了经验风险最小、 结构风险最小、正则化及统一的分类边界理论；深化部分
本书是作者在多年从事算法设计与分析课程教学和研究的基础上编写而成，系统地介绍了算法设计与分析的理论、方法和技术。内容围绕两条主线来组织。一条主线是介绍典范性的算法问题，如排序、选择、图遍历等。 另一条主线是介绍典范性的算法设计分析策略，如分治、贪心、动态规划等算法设计策略和对手分析、平摊分析等算法分析策略。本书中两条主线交替进行，每条主线又各自分为基本和进阶两部分。 已附上书签