作者:
Stephen Boyd
/
Lieven Vandenberghe
出版社: 清华大学出版社
原作名: Convex Optimization
译者: 王书宁 / 许鋆 / 黄晓霖
出版年: 2013-1
页数: 702
定价: 99.00元
装帧: 平装
丛书: 信息技术和电气工程学科国际知名教材中译本系列
ISBN: 9787302297567
出版社: 清华大学出版社
原作名: Convex Optimization
译者: 王书宁 / 许鋆 / 黄晓霖
出版年: 2013-1
页数: 702
定价: 99.00元
装帧: 平装
丛书: 信息技术和电气工程学科国际知名教材中译本系列
ISBN: 9787302297567
内容简介 · · · · · ·
《信息技术和电气工程学科国际知名教材中译本系列:凸优化》内容非常丰富。理论部分由4章构成,不仅涵盖了凸优化的所有基本概念和主要结果,还详细介绍了几类基本的凸优化问题以及将特殊的优化问题表述为凸优化问题的变换方法,这些内容对灵活运用凸优化知识解决实际问题非常有用。应用部分由3章构成,分别介绍凸优化在解决逼近与拟合、统计估计和几何关系分析这三类实际问题中的应用。算法部分也由3章构成,依次介绍求解无约束凸优化模型、等式约束凸优化模型以及包含不等式约束的凸优化模型的经典数值方法,以及如何利用凸优化理论分析这些方法的收敛性质。通过阅读《信息技术和电气工程学科国际知名教材中译本系列:凸优化》,能够对凸优化理论和方法建立完整的认识。
目录 · · · · · ·
1 引言
1.1 数学优化
1.2 最小二乘和线性规划
1.3 凸优化
1.4 非线性优化
1.5 本书主要内容
1.6 符号
参考文献
I 理论
2 凸集
2.1 仿射集合和凸集
2.2 重要的例子
2.3 保凸运算
2.4 广义不等式
2.5 分离与支撑超平面
2.6 对偶锥与广义不等式
参考文献
习题
3 凸函数
3.1 基本性质和例子
3.2 保凸运算
3.3 共轭函数
3.4 拟凸函数
3.5 对数—凹函数和对数—凸函数
3.6 关于广义不等式的凸性
参考文献
习题
4 凸优化问题
4.1 优化问题
4.2 凸优化
4.3 线性规划问题
4.4 二次优化问题
4.5 几何规划
4.6 广义不等式约束
4.7 向量优化
参考文献
习题
5 对偶
5.1 Lagrange对偶函数
5.2 Lagrange对偶问题
5.3 几何解释
5.4 鞍点解释
5.5 最优性条件
5.6 扰动及灵敏度分析
5.7 例子
5.8 择一定理
5.9 广义不等式
参考文献
习题
Ⅱ 应用
应用
6 逼近与拟合
6.1 范数逼近
6.2 最小范数问题
6.3 正则化逼近
6.4 鲁棒逼近
6.5 函数拟合与插值
参考文献
习题
7 统计估计
7.1 参数分布估计
7.2 非参数分布估计
7.3 最优检测器设计及假设检验
7.4 Chebyshev界和Cherno.界
7.5 实验设计
参考文献
习题
8 几何问题
8.1 向集合投影
8.2 集合间的距离
8.3 Euclid距离和角度问题
8.4 极值体积椭球
8.5 中心
8.6 分类
8.7 布局与定位
8.8 平面布置
参考文献
习题
Ⅲ 算法
9 无约束优化
9.1 无约束优化问题
9.2 下降方法
9.3 梯度下降方法
9.4 最速下降方法
9.5 Newton方法
9.6 自和谐
9.7 实现
参考文献
习题
10 等式约束优化
10.1 等式约束优化问题
10.2 等式约束的Newton方法
10.3 不可行初始点的Newton方法
10.4 实现
参考文献
习题
11 内点法
11.1 不等式约束的极小化问题
11.2 对数障碍函数和中心路径
11.3 障碍方法
11.4 可行性和阶段1方法
11.5 自和谐条件下的复杂性分析
11.6 广义不等式问题
11.7 原对偶内点法
11.8 实现
参考文献
习题
附录
A 有关的数学知识
A.1 范数
A.2 分析
A.3 函数
A.4 导数
A.5 线性代数
参考文献
B 双二次函数的问题
B.1 单约束二次优化
B.2 S—程序
B.3 双对称矩阵的数值场
B.4 强对偶结果的证明
参考文献
C 有关的数值线性代数知识
C.1 矩阵结构与算法复杂性
C.2 求解已经因式分解的矩阵的线性方程组
C.3 LU,Cholesky和LDLT 因式分解
C.4 分块消元和Schur补
C.5 求解不确定线性方程组
650参考文献
参考文献
符号
索引
· · · · · · (收起)
1.1 数学优化
1.2 最小二乘和线性规划
1.3 凸优化
1.4 非线性优化
1.5 本书主要内容
1.6 符号
参考文献
I 理论
2 凸集
2.1 仿射集合和凸集
2.2 重要的例子
2.3 保凸运算
2.4 广义不等式
2.5 分离与支撑超平面
2.6 对偶锥与广义不等式
参考文献
习题
3 凸函数
3.1 基本性质和例子
3.2 保凸运算
3.3 共轭函数
3.4 拟凸函数
3.5 对数—凹函数和对数—凸函数
3.6 关于广义不等式的凸性
参考文献
习题
4 凸优化问题
4.1 优化问题
4.2 凸优化
4.3 线性规划问题
4.4 二次优化问题
4.5 几何规划
4.6 广义不等式约束
4.7 向量优化
参考文献
习题
5 对偶
5.1 Lagrange对偶函数
5.2 Lagrange对偶问题
5.3 几何解释
5.4 鞍点解释
5.5 最优性条件
5.6 扰动及灵敏度分析
5.7 例子
5.8 择一定理
5.9 广义不等式
参考文献
习题
Ⅱ 应用
应用
6 逼近与拟合
6.1 范数逼近
6.2 最小范数问题
6.3 正则化逼近
6.4 鲁棒逼近
6.5 函数拟合与插值
参考文献
习题
7 统计估计
7.1 参数分布估计
7.2 非参数分布估计
7.3 最优检测器设计及假设检验
7.4 Chebyshev界和Cherno.界
7.5 实验设计
参考文献
习题
8 几何问题
8.1 向集合投影
8.2 集合间的距离
8.3 Euclid距离和角度问题
8.4 极值体积椭球
8.5 中心
8.6 分类
8.7 布局与定位
8.8 平面布置
参考文献
习题
Ⅲ 算法
9 无约束优化
9.1 无约束优化问题
9.2 下降方法
9.3 梯度下降方法
9.4 最速下降方法
9.5 Newton方法
9.6 自和谐
9.7 实现
参考文献
习题
10 等式约束优化
10.1 等式约束优化问题
10.2 等式约束的Newton方法
10.3 不可行初始点的Newton方法
10.4 实现
参考文献
习题
11 内点法
11.1 不等式约束的极小化问题
11.2 对数障碍函数和中心路径
11.3 障碍方法
11.4 可行性和阶段1方法
11.5 自和谐条件下的复杂性分析
11.6 广义不等式问题
11.7 原对偶内点法
11.8 实现
参考文献
习题
附录
A 有关的数学知识
A.1 范数
A.2 分析
A.3 函数
A.4 导数
A.5 线性代数
参考文献
B 双二次函数的问题
B.1 单约束二次优化
B.2 S—程序
B.3 双对称矩阵的数值场
B.4 强对偶结果的证明
参考文献
C 有关的数值线性代数知识
C.1 矩阵结构与算法复杂性
C.2 求解已经因式分解的矩阵的线性方程组
C.3 LU,Cholesky和LDLT 因式分解
C.4 分块消元和Schur补
C.5 求解不确定线性方程组
650参考文献
参考文献
符号
索引
· · · · · · (收起)
原文摘录 · · · · · ·
丛书信息
· · · · · ·
信息技术和电气工程学科国际知名教材中译本系列(共38册),
这套丛书还有
《异步电路设计》《随机学习与优化》《强化学习与最优控制》《无线通信与网络》《现代控制系统》
等
。
喜欢读"凸优化"的人也喜欢 · · · · · ·
凸优化的书评 · · · · · · ( 全部 11 条 )
最好的教材,最好的课程,没有之一
这本书主要是面向实际应用。书中提供了凸优化的理论框架,但不强调复杂的定理证明。丰富的实例是这本书的特色。实例涉及的领域非常广例如通信,金融,机器学习等等。 Stephen教授在个人主页上提供了免费电子版本,而且还包含了习题以及相关数据和程序的下载。课程的讲义也可...
(展开)
一本凸规划问题的实用教程
看起来是厚厚的一本大部头,读起来并不太费力。它给出的实例多而好用、覆盖面全,不需要太深刻的数学功底,对于复杂的定理性质等也不强调证明,而是着眼于几何意义和实际用途,直观易懂。 作者本身的工科背景使得这本书在工业问题和计算机等实用方面的优点更为突出,数学依据...
(展开)
maybe you would have known ..
Copyright in this book is held by Cambridge University Press, who have kindly agreed to allow us to keep the book available on the web. http://www.stanford.edu/~boyd/cvxbook/ you will find e-book and the exercises answer book. Cheers --- All the conte...
(展开)
英文原版资源和书中习题答案、python代码下载
扫码关注公众号 「图灵的猫」,点击“学习资料”菜单,可以获得海量python、机器学习、深度学习书籍、课程资源,以及书中对应习题答案和代码。后台回复SSR更有机场节点相送~ 我总结了深度学习、机器学习领域中所有会用到的数学知识,大家在制定计划时可以以这些知识点为脉络进...
(展开)
> 更多书评 11篇
论坛 · · · · · ·
在这本书的论坛里发言这本书的其他版本 · · · · · · ( 全部4 )
-
Cambridge University Press (2004)9.6分 429人读过
-
Cambridge India (2016)暂无评分 2人读过
-
世界图书出版公司 (2013)9.6分 31人读过
在哪儿借这本书 · · · · · ·
以下书单推荐 · · · · · · ( 全部 )
- 数据挖掘、统计、机器学习 (大米粒)
- ML/CS/Ling补课中 (算文解字)
- 手边的书 (甫陵)
- Mike Jordan‘s List (caibinbupt)
- 自用2013 (cruyff)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于凸优化的评论:
feed: rss 2.0
1 有用 极度视界 2013-09-09 22:06:41
Sparse coding/Low-Rank就是各种矩阵/向量范数优化;并不是我心中完美的样子;读得也很粗糙。
0 有用 何胖 2022-07-31 17:36:27
秃油化
0 有用 锦衣夜行 2024-10-15 15:06:43 上海
智商太低,读不了一点
0 有用 yezhang 2023-02-14 08:23:54 广东
好书。与其听课不如自己看一遍。
18 有用 双帽先生 2016-12-12 17:30:13
禿优化,数学越来越差呢😄
0 有用 锦衣夜行 2024-10-15 15:06:43 上海
智商太低,读不了一点
0 有用 雪洁 2024-01-01 11:22:05 广东
很好,中文版还是更适合我
0 有用 prefer三月草 2023-03-13 22:36:24 湖南
居然没有共轭梯度法!
0 有用 yezhang 2023-02-14 08:23:54 广东
好书。与其听课不如自己看一遍。
0 有用 yzw 2023-01-31 13:20:13 云南
太棒了,适合经济学学生