![](/c49/99/10028160744207.jpg)
店鋪:機械工業出版社官方旗艦店 出版社:機械工業出版社 ISBN:9787111659891 商品編碼:10028160744207 品牌:機械工業出版社(CMP) 出版時間:2020-07-01 頁數:200 字數:259000 審圖號:9787111659891 作者:尤裡·涅斯捷羅夫,周水生
"![baecf198635367d9.jpg](https://img10.360buyimg.com/cms/jfs/t1/180445/28/6295/377762/60b0bd82E6c4ef32e/baecf198635367d9.jpg) 內容介紹 本書提供了凸優化一個全面的、*新的介紹,這是一個日益重要的領域,在應用數學、經濟和金融、工程和計算機科學,特別是在數據科學和機器學習領域有廣泛應用。 目錄 譯者序 前言 致謝 引言 *一部分黑箱優化 *1章非線性優化 1*1非線性優化引論 1*1*1問題的一般描述 1*1*2數值方法的性能 1*1*3全局優化的復雜度界 1*1*4優化領域的“身份證” 1*2無約束極小化的局部算法 1*2*1松弛和近似 1*2*2可微函數類 1*2*3梯度法 1*2*4牛頓法 1*3非線性優化中的一階方法 1*3*1梯度法和牛頓法有何不同 1*3*2共軛梯度法 1*3*3約束極小化問題 *2章光滑凸優化 2*1光滑函數的極小化 2*1*1光滑凸函數 2*1*2函數類F∞,1L(n)的復雜度下界 2*1*3強凸函數類 2*1*4函數類S∞,1μ,L(n)的復雜度下界 2*1*5梯度法 2*2*優算法 2*2*1估計序列 2*2*2降低梯度的範數 2*2*3凸集 2*2*4梯度映射 2*2*5簡單集上的極小化問題 2*3具有光滑分量的極小化問題 2*3*1極小極大問題 2*3*2梯度映射 2*3*3極小極大問題的極小化方法 2*3*4帶有函數約束的優化問題 2*3*5約束極小化問題的算法 第3章非光滑凸優化 3*1一般凸函數 3*1*1動機和定義 3*1*2凸函數運算 3*1*3連續性和可微性 3*1*4分離定理 3*1*5次梯度 3*1*6次梯度計算 3*1*7*優性條件 3*1*8極小極大定理 3*1*9原始對偶算法的基本要素 3*2非光滑極小化方法 3*2*1一般復雜度下界 3*2*2估計近似解性能 3*2*3次梯度算法 3*2*4函數約束的極小化問題 3*2*5*優拉格朗日乘子的近似 3*2*6強凸函數 3*2*7有限維問題的復雜度界 3*2*8割平面算法 3*3完整數據的算法 3*3*1目標函數的非光滑模型 3*3*2Kelley算法 3*3*3水平集法 3*3*4約束極小化問題 第4章二階算法 4*1牛頓法的三次正則化 4*1*1二次逼近的三次正則化 4*1*2一般收斂性結果 4*1*3具體問題類的全局效率界 4*1*4實現問題 4*1*5全局復雜度界 4*2加速的三次牛頓法 4*2*1實向量空間 4*2*2一致凸函數 4*2*3牛頓迭代的三次正則化 4*2*4一個加速算法 4*2*5二階算法的全局非退化性 4*2*6極小化強凸函數 4*2*7偽加速 4*2*8降低梯度的範數 4*2*9非退化問題的復雜度 4*3*優二階算法 4*3*1復雜度下界 4*3*2一個概念性*優算法 4*3*3搜索過程的復雜度 4*4修正的高斯牛頓法 4*4*1高斯牛頓迭代的二次正則化 4*4*2修正的高斯牛頓過程 4*4*3全局收斂速率 4*4*4討論 *二部分結構優化 第5章多項式時間內點法 5*1自和諧函數 5*1*1凸優化中的黑箱概念 5*1*2牛頓法實際上做什麼 5*1*3自和諧函數的定義 5*1*4主要不等式 5*1*5自和諧性和Fenchel對偶 5*2自和諧函數極小化 5*2*1牛頓法的局部收斂性 5*2*2路徑跟蹤算法 5*2*3強凸函數極小化 5*3自和諧障礙函數 5*3*1研究動機 5*3*2自和諧障礙函數的定義 5*3*3主要不等式 5*3*4路徑跟蹤算法 5*3*5確定解析中心 5*3*6函數約束問題 5*4顯式結構問題的應用 5*4*1自和諧障礙函數參數的下界 5*4*2上界:通用障礙函數和極集 5*4*3線性和二次優化 5*4*4半定優化 5*4*5**端橢球 5*4*6構造凸集的自和諧障礙函數 5*4*7自和諧障礙函數的例子 5*4*8可分優化 5*4*9極小化算法的選擇 第6章目標函數的原始對偶模型 6*1目標函數顯式模型的光滑化 6*1*1不可微函數的光滑近似 6*1*2目標函數的極小極大模型 6*1*3合成極小化問題的快速梯度法 6*1*4應用實例 6*1*5算法實現的討論 6*2非光滑凸優化的過間隙技術 6*2*1原始對偶問題的結構 6*2*2過間隙條件 6*2*3收斂性分析 6*2*4極小化強凸函數 6*3半定優化中的光滑化技術 6*3*1光滑化特征值的對稱函數 6*3*2極小化對稱矩陣的*大特征值 6*4目標函數的局部模型極小化 6*4*1Oracle線性優化 6*4*2合成目標函數的條件梯度算法 6*4*3收縮型條件梯度 6*4*4原始對偶解的計算 6*4*5合成項的強凸性 6*4*6極小化二次模型 第7章相對尺度優化 7*1目標函數的齊次模型 7*1*1圓錐無約束極小化問題 7*1*2次梯度近似算法 7*1*3問題結構的直接使用 7*1*4應用實例 7*2凸集的近似 7*2*1計算近似橢球 7*2*2極小化線性函數的*大*對值 7*2*3具素的雙線性矩陣博弈 7*2*4極小化對稱矩陣的譜半徑 7*3障礙函數次梯度算法 7*3*1自和諧障礙函數的光滑化 7*3*2障礙函數次梯度法 7*3*3正凹函數極大化 7*3*4應用 7*3*5隨機規劃的替代——在線優化 7*4混合精度優化 7*4*1嚴格正函數 7*4*2擬牛頓法 7*4*3近似解的解釋 附錄A求解一些輔助優化問題 參考文獻評注 參考文獻 索引
" |