本书是非线性优化的基础教材, 内容涵盖凸集与凸函数、优化问题的一般理论、广义不等式约束优化问题和向量优化问题、梯度下降法与共轭梯度法、牛顿法和拟牛顿法、线性规划与二次规划、约束凸优化问题、机器学习中常用的复合优化算法等非线性优化的核心基础理论与算法. 本书在选材上注重基础并兼顾前沿性, 详细讲述非线性优化和凸优化的重要原理与经典算法的同时, 也花了一定篇幅介绍近十几年来优化领域出现的一些新思想、新方法和新算法, 以及优化理论与算法在机器学习、经济、统计和金融等领域中的应用. 写作上力求深入浅出, 循序渐进, 既照顾到学生的理解能力与学习兴趣, 又考虑到内容完备性、逻辑严谨性与必要的深度. 为了方便读者动手实践, 本书给出实现书中计 算实例、应用实例的完整MATLAB 代码和数据集, 以及详细的使用说明和代码注释, 读者能够很容易地实现所学方法. 此外, 本书还配有由LaTeX 精心制作的PDF 课件, 方便教师教学使用. 本书可作为大数据、人工智能、应用数学、计算机、管理科学与工程、金融工程等专业的研究生基础课教材, 也可以作为相关专业高年级本科生的专业课教材或参考书.