具体描述
《数值最优化方法》系统地介绍了数值求解光滑非线性无约束和有约束最优化问题的基本方法和基本性质。本书在选材上，注重最优化方法的基础性与实用性；在内容的处理上，注重由浅入深、循序渐进；在叙述上，力求清晰、准确、简明易懂。
作者简介
目录信息
第一章 引论{1}
第二章 无约束最优化方法的基本结构{8}
2.1 最优性条件{8}
2.2 方法的特性{12}
2.3 线搜索准则{18}
2.4 线搜索求步长{25}
2.5 信赖域方法{32}
2.6 常用最优化方法软件介绍{35}
后记{35}
习题{36}
第三章 负梯度方法与Newton 型方法{38}
3.1 最速下降方法{38}
3.2 Newton 方法{46}
3.3 拟Newton 方法{57}
3.4 拟Newton 方法的基本性质{65}
3.5 DFP 公式的意义{70}
3.6 数值试验{76}
3.7 BB 方法{85}
后记{88}
习题{89}
上机习题{92}
第四章 共轭梯度方法{95}
4.1 共轭方向及其性质{95}
4.2 对正定二次函数的共轭梯度方法{99}
4.3 非线性共轭梯度方法{105}
4.4 数值试验{110}
4.5 Broyden 族方法搜索方向的共轭性{112}
后记{113}
习题{114}
上机习题{117}
第五章 非线性最小二乘问题{119}
5.1 最小二乘问题{119}
5.2 Gauss-Newton 方法{121}
5.3 LMF 方法{129}
5.4 Dogleg 方法{135}
5.5 大剩余量问题{137}
5.6 数值试验{138}
后记{143}
习题{144}
上机习题{148}
第六章 约束最优化问题的最优性理论{153}
6.1 一般约束最优化问题{153}
6.2 约束规范条件{161}
6.3 约束最优化问题的一阶最优性条件{167}
6.4 约束最优化问题的二阶最优性条件{172}
后记{181}
习题{181}
第七章 罚函数方法{185}
7.1 外点罚函数方法{185}
7.2 障碍函数方法{194}
7.3 等式约束最优化问题的增广Lagrange函数方法{198}
7.4 一般约束最优化问题的增广Lagrange函数方法{204}
7.5 数值试验{208}
后记{209}
习题{210}
上机习题{213}
第八章 二次规划{215}
8.1 二次规划问题{215}
8.2 等式约束二次规划问题{217}
8.3 起作用集方法{226}
后记{236}
习题{236}
上机习题{238}
第九章 序列二次规划方法{240}
9.1 序列二次规划方法的提出{240}
9.2 约束相容问题{244}
9.3 Lagrange 函数Hesse矩阵的近似{245}
9.4 价值函数{247}
9.5 SQP 算法{249}
后记{250}
习题{251}
上机习题{251}
附录{252}
附录I 凸集与凸函数{252}
附录II 正交变换与QR分解{257}
符号说明{263}
习题解答提示{265}
参考文献{274}
名词索引{281}
· · · · · · (收起)
第二章 无约束最优化方法的基本结构{8}
2.1 最优性条件{8}
2.2 方法的特性{12}
2.3 线搜索准则{18}
2.4 线搜索求步长{25}
2.5 信赖域方法{32}
2.6 常用最优化方法软件介绍{35}
后记{35}
习题{36}
第三章 负梯度方法与Newton 型方法{38}
3.1 最速下降方法{38}
3.2 Newton 方法{46}
3.3 拟Newton 方法{57}
3.4 拟Newton 方法的基本性质{65}
3.5 DFP 公式的意义{70}
3.6 数值试验{76}
3.7 BB 方法{85}
后记{88}
习题{89}
上机习题{92}
第四章 共轭梯度方法{95}
4.1 共轭方向及其性质{95}
4.2 对正定二次函数的共轭梯度方法{99}
4.3 非线性共轭梯度方法{105}
4.4 数值试验{110}
4.5 Broyden 族方法搜索方向的共轭性{112}
后记{113}
习题{114}
上机习题{117}
第五章 非线性最小二乘问题{119}
5.1 最小二乘问题{119}
5.2 Gauss-Newton 方法{121}
5.3 LMF 方法{129}
5.4 Dogleg 方法{135}
5.5 大剩余量问题{137}
5.6 数值试验{138}
后记{143}
习题{144}
上机习题{148}
第六章 约束最优化问题的最优性理论{153}
6.1 一般约束最优化问题{153}
6.2 约束规范条件{161}
6.3 约束最优化问题的一阶最优性条件{167}
6.4 约束最优化问题的二阶最优性条件{172}
后记{181}
习题{181}
第七章 罚函数方法{185}
7.1 外点罚函数方法{185}
7.2 障碍函数方法{194}
7.3 等式约束最优化问题的增广Lagrange函数方法{198}
7.4 一般约束最优化问题的增广Lagrange函数方法{204}
7.5 数值试验{208}
后记{209}
习题{210}
上机习题{213}
第八章 二次规划{215}
8.1 二次规划问题{215}
8.2 等式约束二次规划问题{217}
8.3 起作用集方法{226}
后记{236}
习题{236}
上机习题{238}
第九章 序列二次规划方法{240}
9.1 序列二次规划方法的提出{240}
9.2 约束相容问题{244}
9.3 Lagrange 函数Hesse矩阵的近似{245}
9.4 价值函数{247}
9.5 SQP 算法{249}
后记{250}
习题{251}
上机习题{251}
附录{252}
附录I 凸集与凸函数{252}
附录II 正交变换与QR分解{257}
符号说明{263}
习题解答提示{265}
参考文献{274}
名词索引{281}
· · · · · · (收起)
读后感
评分
评分
评分
评分
评分
用户评价
评分
高老师的书必须自己好好看一遍再配套上机作业才能搞顺
评分对于工科生来说，讲的比较简单易懂，但是想要详细了解一些推导最好搭配Jorge的Numerical Optimization一起看。
评分汕图自修室学习的书籍。 北京大学上课用的教材。 初看只有两星，详细看了半个月后至少有四星，对比了其它杂七杂八的最优化书籍，觉得没给它五星的评价真的太对不起它了！！超好的一本书！！ 真的期待原著的全翻译无删减版本！期待下一位译者的用心翻译！ 另外: 它是我见过所有数学书籍里，排版最简明扼要、最清晰的一本书。 很赞！
评分数值最优化的入门书，条理清楚，内容覆盖全面，叙述简洁，读后很有帮助。但正因为过于简洁了，很多东西的来龙去脉不是很清楚，不过仍然推荐。
评分读书有很多种，就某种方法读书这本书还是很值得一读的。 2017.3.24记：一年后因为专业的需求重新细读了这本书非约束优化部分，这本书就关键知识点讲的还是很细的，证明部分也做到了简明扼要，希望有机会听一下这个老师讲课，看看她对于证明思路来源和一些技巧是怎么讲的
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有