在过去的几年里，凸优化算法已经改变了离散优化和连续优化问题的算法设计。例如，对优选流、优选匹配和次模函数最小化等问题，最快的算法涉及梯度下降法、镜像下降法、内点法和椭球法等基本方法。本书的目标是帮助计算机科学、运筹学、数据科学和机器学习领域的研究人员与专业人员深入了解这些算法。本书重点介绍如何从基本原理出发推导凸优化的关键算法，以及如何确定准确的运行时间界。这本现代优化著作解释了这些算法在离散优化问题中的成功，以及这些方法如何显著推动了凸优化本身的发展。
译者序
前言
致谢
记号
第1章连续优化与离散优化的关联1
1.1一个例子：优选流问题1
1.2线性规划6
1.3基于内点法的快速准确算法9
1.4简单线性规划之外的椭球法10
第2章预备知识13
2.1导数、梯度和黑塞矩阵13
2.2微积分基本定理14
2.3泰勒近似15
2.4线性代数、矩阵和特征值16
2.5柯西–施瓦茨不等式18
2.6范数19
2.7欧几里得拓扑20
2.8动力系统21
2.9图21
……
