图书介绍：本书深入浅出，通俗易懂，内容清晰，结构合理，详细介绍了每种优化方法的基本思想、算法框架和技术特点，精选了部分具有典型意义、启发性好的例题和习题。同时本书努力反映控制信息类学科最新成果，包括遗传算法、神经网络、支持向量机和深度学习等，体现了最优化领域的一些新进展。本书图文并茂，尽可能从几何角度进行阐释算法的抽象内涵，更好地促进不同层次、不同学科专业读者对本书内容学习的引导作用。本书共有六章。第一章介绍最优化问题的数学模型和相关优化方法的基础知识，包括线性代数、微积分、空间、几何和变换等。第二章主要介绍线性规划的基本概念及解的性质、单纯形法、对偶理论与整数规划等。第三章介绍非线性优化的基本理论，包括凸规划、最优性条件、下降迭代法和常用一维搜索算法等。第四章着重介绍无约束最优化方法，包括最速下降法、牛顿法、共轭梯度法、变尺度法、Powell方向加速法和最小二乘法等。第五章介绍约束最优化方法，包括可行方向法、罚函数法、增广拉格朗日乘子法和投影梯度法等。第六章侧重介绍现代优化方法，包括模拟退火算法、神经网络算法、遗传算法、支持向量机和深度学习等。每章配有适量习题，便于读者通过自主练习来更好地掌握