非線性最優化算法與實踐-微課視頻版 龍強 趙克全 9787302686644 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202505*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：非線性最優化算法與實踐-微課視頻版
ISBN：9787302686644
出版社：清華大學
著編譯者：龍強 趙克全
頁數：252
所在地：中國大陸 *此為代購商品
書號：1735630
可大量預訂，請先連絡。

內容簡介

本書旨在介紹常見的非線性最優化的理論與算法，以及深度學習中的優化算法。全書側重對優化原理的直觀理解、優化算法的步驟設計和流程構建，並通過大量案例對所介紹的算法進行了編程實現。書中提供的大量編程代碼可以為需要使用非線性最優化解決實際問題的工程技術人員進行二次開發提供基礎，也可以為致力於學習最優化理論與算法的讀者進行編程練手提供參考。 全書內容可以分為四部分。第一部分（第1章和第2章）介紹一維搜索理論與算法；第二部分（第3章和第4章）介紹無約束最優化理論與算法；第三部分（第5～8章）介紹約束最優化理論與算法；第四部分（第9章）介紹深度學習中的優化算法。 本書可以作為理工科大學相關專業研究生的學位課教材，也可以作為數據科學、人工智能、機器學習相關專業高年級本科生的選修課教材，還可以作為相關領域學術研究人員、工程技術人員的參考資料。

作者簡介

龍強，博士、副教授、碩士研究生導師；就職于西南科技大學數理學院數據科學系，中國運籌學會終生會員；主要從事最優化理論與算法、機器學習算法研究；在國際及國內學術期刊上發表論文20餘篇，獲批國家發明專利3項，主持和參与國家自然科學基金3項，參与國家社會科學基金1項；講授「深度強化學習」「深度學習與神經網絡」「算法設計與分析」「最優化理論與算法」「機器學習」等課程。

目錄

第1章 緒論（270min）
1 1 最優化概述
1 2 最優化問題的模型及分類
1 2 1 最優化問題的標準模型
1 2 2 最優化問題的分類
1 3 最優化問題舉例
1 4 數學預備知識
1 4 1 向量范數
1 4 2 方陣范數
1 4 3 序列的極限
1 4 4 梯度、海森矩陣、泰勒展式
1 4 5 雅可比矩陣、鏈式法則
1 5 凸集與凸函數
1 5 1 凸集
1 5 2 典型的凸集
1 5 3 凸集分離定理
1 5 4 凸函數
1 5 5 凸函數的判定
1 5 6 凸函數的性質
1 5 7 凸規劃
第2章 一維搜索（306min）
2 1 優化問題的基本框架
2 2 一維搜索的概念
2 3 一維優化的最優性條件
2 4 算法的收斂性
2 4 1 算法收斂的定義
2 4 2 收斂速度
2 4 3 實用收斂準則
2 5 試探法
2 5 1 單峰函數
2 5 2 黃金分割法
2 5 3 斐波那契法
2 5 4 試探法案例
2 6 函數逼近法
2 6 1 牛頓法
2 6 2 割線法
2 6 3 拋物線法
2 6 4 函數逼近法案例
2 7 非精確一維搜索
2 7 1 Armijo-Goldstein步長準則
2 7 2 Wolf-Powell步長準則
2 7 3 簡單準則和後退法
2 7 4 非精確一維搜索案例
第3章 無約束優化的梯度方法（295min）
3 1 無約束優化的最優性條件
3 1 1 下降方向
3 1 2 一階必要條件
3 1 3 二階必要條件
3 1 4 二階充分條件
3 1 5 充要條件
3 1 6 最優性條件應用案例
3 2 最速下降法
3 2 1 最速下降方向
3 2 2 最速下降法
3 2 3 最速下降法案例
3 2 4 最速下降法的收斂性
3 3 牛頓法
3 3 1 基本原理
3 3 2 牛頓法的算法步驟和流程
3 3 3 牛頓法的改進
3 3 4 牛頓法案例
3 4 共軛梯度法
3 4 1 共軛方向
3 4 2 二次函數的共軛梯度法
3 4 3 一般函數的共軛梯度法
3 4 4 共軛梯度法案例
3 5 擬牛頓法
3 5 1 對稱秩1(SR1)校正法
3 5 2 DFP校正法
3 5 3 BFGS校正法
3 5 4 擬牛頓法案例
第4章 無約束優化的直接方法（163min）
4 1 探測搜索
4 1 1 探測搜索算法
4 1 2 探測搜索案例
4 2 交替方向法
4 2 1 交替方向法原理
4 2 2 交替方向法案例
4 3 Hooke-Jeeves方法
4 3 1 Hooke-Jeeves方法簡介
4 3 2 Hooke-Jeeves方法的案例
4 4 Rosenbrock方法
4 4 1 Rosenbrock方法簡介
4 4 2 Rosenbrock方法的案例
4 5 Powell方法
4 5 1 Powell方法簡介
4 5 2 Powell方法的案例
4 6 單純形法
4 6 1 單純形
4 6 2 單純形迭代
4 6 3 單純形法停止準則
4 6 4 單純形法的算法步驟和流程
4 6 5 單純形法的案例
第5章 約束優化問題的最優性條件（311min）
5 1 約束優化問題最優性條件的基本思想
5 1 1 下降方向
5 1 2 可行方向
5 1 3 幾何描述
5 2 不等式約束優化問題的一階最優性條件
5 2 1 用積極約束表達的幾何最優性條件
5 2 2 Fritz John條件
5 2 3 Karush-Kuhn-Tucker(KKT)條件
5 3 一般約束優化問題的一階最優性條件
5 3 1 幾何最優性條件
5 3 2 Fritz John必要條件
5 3 3 KKT必要條件
5 4 對偶問題及鞍點最優性條件
5 4 1 拉格朗日對偶問題
5 4 2 對偶定理
5 4 3 鞍點最優性條件
第6章 可行方向法（203min）
6 1 Zoutendijk可行方向法
6 1 1 線性約束情形
6 1 2 非線性約束情形
6 2 Rosen梯度投影法
6 2 1 投影和投影矩陣
6 2 2 Rosen的算法步驟和流程
6 3 Frank-Wolfe方法
6 3 1 Frank-Wolfe方法原理
6 3 2 Frank-Wolfe方法的算法
第7章 罰函數法（164min）
7 1 外點罰函數法
7 1 1 基本思想
7 1 2 算法原理
7 1 3 算法步驟
7 2 內點罰函數法
7 2 1 基本思想
7 2 2 算法原理
7 2 3 算法步驟
7 3 乘子法
7 3 1 算法思想
7 3 2 只含等式約束的乘子法
7 3 3 只含不等式約束的乘子法
第8章 二次規劃問題（183min）
8 1 基本性質
8 2 只含等式約束的二次規劃問題
8 2 1 變數消去法
8 2 2 拉格朗日法
8 3 積極約束法
8 3 1 基本思想
8 3 2 算法原理
8 3 3 算法步驟
8 4 路徑跟蹤法
8 4 1 鬆弛KKT條件
8 4 2 求解鬆弛KKT條件
8 4 3 路徑跟蹤法算法流程
第9章 機器學習中的最優化方法
9 1 機器學習中的優化問題
9 2 梯度下降算法
9 2 1 標準梯度下降算法
9 2 2 隨機梯度下降算法
9 2 3 Mini-batch梯度下降算法
9 3 對搜索方向的改進
9 3 1 Momentum算
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。