是一非线性方程组，可以动用求解非线性方程组的手段处理，不过这也是相当复杂的问题，何 况若 f x( ) 不可微，此路便行不通，故通常都采用使目标函数逐次下降的搜索方法

第1章 最优化绪论 第2章 线性规划 第3章 网络流与动态规划 第4章 无约束最优化 第5章 有约束最优化 第6章 凸优化 第7章 大数据中的优化 第8章 总结

第6章代数方程与最优化问题的计算机求解 一、代数方程的求解 二、无约束最优化问题求解 三、有约束最优化问题的计算机求解 四、混合整数规划问题的计算机求解 五、线性矩阵不等式问题求解 六、多目标优化问题求解 七、动态规划及其在路径规划中的应用

第一节 概述 第二节 最速下降法 第三节 牛顿型方法 第四节 共轭方向及共轭方向法 第五节 共轭梯度法 第六节 变尺度法 第七节 坐标轮换法 第八节 Powell法（方向加速法）

§4-1 最速下降法（梯度法） §4-2 牛顿类方法 §4-3 变尺度法 §4-4 共轭方向法 §4-5 鲍威尔方法 §4-6 其它方法（如坐标轮换法、单纯形法）

第二章优化设计的数学基础 一、机械优化设计是建立在多元函数的极值理论基础上 二、无约束优化问题就是数学上的无条件极值问题 三、约束优化问题则是数学上的条件极值问题

1. 一般非线性优化最优解存在性问题 2. 无约束问题的最优性条件 3. 等式约束问题的最优性条件 4. 不等式约束问题的最优性条件 5. 一般约束问题的最优性条件 6. 凸优化问题的最优性条件

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型

§2-1 方向导数与梯度 §2-2 凸集、凸函数与凸规划 §2-3 二次函数及正定矩阵 §2-4 无约束优化问题的极值条件 §2-5 有约束优化问题的极值条件

§10.1 线性规划问题 §10.2 线性规划问题的几何意义 §10.3 单纯形法 §10.4 非线性优化问题 §10.5 一维搜索 §10.6 无约束非线性优化