数值优化（Numerical Optimization）学习系列-目录

置顶 2015年12月27日 19:07:11  阅读数 12291更多

分类专栏： 

 

版权声明：本文为博主原创文章，遵循版权协议，转载请附上原文出处链接和本声明。

本文链接：

概述

数值优化对于最优化问题提供了一种迭代算法思路，通过迭代逐渐接近最优解，分别对无约束最优化问题和带约束最优化问题进行求解。 

该系列教程可以参考的资料有 

1.  

2. 《凸优化》–Stephen Boyd 

3. 《非线性最优化基础》–Masao Fukushima（林贵华译） 

4. 《非线性最优化理论与方法》–王宜举 

5. 

学习链接

1.  
   *介绍最优化问题分类以及求解思路
2.  
   *基于线搜索方法，包括最速下降、牛顿方法以及步长计算等
3.  
   *介绍信赖域求解最优化问题的思路
4.  
   *介绍共轭方法的思路
5.  
   *介绍拟牛顿方法，用一阶梯度近似Hessian矩阵方法
6.  
   *大规模无约束问题，LBFGS等
7.  
   *复杂函数梯度近似方法
8.  
   *不计算梯度情况下，如何进行最优化
9.  
   *最优化方法应用，求解最小二乘问题
10.  
    *最优化方法应用，求解非线性方程问题
11.  
    *介绍等式、非等式约束最优化问题以及最优化条件，包括KKT条件、对偶等
12.  
    *线性规划常见求解算法
13.  
    *介绍非线性约束的最优化问题求解思路
14.  
    *目标函数是二次函数的特殊最优化问题，是SQP、内点等方法的基础
15.  
    *求解带约束最优化问题常用方法
16.  
    *SQP和IP方法对于求解大规模约束最优化问题提供方案

说明

该系列文章是个人学习总结，由于非数学专业和时间关系，可能会有错误和纰漏，欢迎大家批评指正。 

另外文章每一行都是个人一字一字敲进去的，转载请注明出处，谢谢。