第1章 引言
1.1 最优化问题概述
1.2 凸集和凸函数
习题1
第2章 无约束问题的下降算法与线性搜索
2.1 无约束问题解的最优性条件
2.2 下降算法的一般步骤
2.3 线性搜索
2.4 下降算法的全局收敛性
2.5 下降算法的收敛速度
习题2
第3章 无约束问题算法（I）
3.1 最速下降法
3.2 Newton法及其修正形式
3.3 正则化Newton法
习题3
第4章 无约束问题算法（II）
4.1 拟Newton法及其性质
4.2 拟Newton法的收敛性理论
4.3 拟Newton法的修正形式
习题4
第5章 无约束问题算法（III）
5.1 二次函数极小化问题的共轭方向法
5.2 非线性共轭梯度法
5.3 下降共轭梯度法
5.4 共轭梯度法的收敛速度
习题5
第6章 无约束问题算法（Iv）
6.1 信赖域算法的基本结构
6.2 信赖域算法的收敛性
6.3 信赖域一线性搜索型算法
6.4 信赖域子问题的求解
习题6
第7章 无约束问题算法（V）
7.1 坐标轮换法及其改进
7.2 Powell直接法
7.3 轴向搜索法
习题7
第8章 非线性方程组与最小二乘问题
8.1 非线性方程组的局部算法
8.2 非线性方程组的全局化算法
8.3 最小二乘问题
习题8
第9章 约束问题解的最优性条件
9.1 可行方向
9.2 约束问题的最优性条件
习题9
第10章 线性规划
10.1 线性规划问题的标准型
10.2 线性规划问题的基本概念和基本理论
10.3 单纯形法
10.4 初始基础可行解的确定
10.5 线性规划问题的对偶理论
习题10
第11章 二次规划
11.1 等式约束二次规划
11.2 解二次规划的有效集法
习题11
第12章 约束问题算法（I）
12.1 罚函数法
12.2 乘子法
习题12
第13章 约束问题算法（II）
13.1 线性约束问题的可行方向法
13.2 投影梯度法
13.3 既约梯度法
13.4 广义既约梯度法
习题13
第14章 约束问题算法（III）
14.1 局部序列二次规划算法
14.2 全局SQP算法
14.3 信赖域SQP算法
14.4 Maratos效应及改进策略
习题14
第15章 全局最优化方法简介
15.1 基本概念
15.2 覆盖法
15.3 外逼近法
15.4 分枝定界法
15.5 应用分枝定界法的几个问题
15.6 遗传算法
习题15
参考文献
附录A 解线性方程组的常用算法
A1 Gauss消元法
A2 LU分解
A3 迭代法
附录B MATLAB入门
B1 基本运算
B2 基本绘图
B3 逻辑控制
B4M文件
· · · · · · (收起)