南京大学何炳生教授的凸优化与变分不等式的收缩算法，希望对你有帮助。

Convex Optimization 剑桥大学 凸优化理论 Cambridge University Press

全套凸优化视频讲解，适合研究生学习，自动化、管理科学与工程专业优化课程学习

Convex Optimization 英文版和王书宁的中文翻译版，含笔记

来自libsvm的数据集 CINA dataset 别人进行了整理和格式转化 可用于逻辑回归，共3000多行，3206条数据 133个特征 +1和-1的标签用于逻辑回归

斯坦福大学经典凸优化教材课后习题答案，英文原版！

CVXPY CVXPY文档位于 。 加入，并使用和获得最佳支持。 CVXPY是用于凸优化问题的Python嵌入式建模语言。 它使您可以按照数学的自然方式来表达问题，而不是使用求解器要求的限制性标准形式。 例如，以下代码解决了最小二乘问题，其中变量受上下限约束： import cvxpy as cp import numpy # Problem data. m = 30 n = 20 numpy . random . seed ( 1 ) A = numpy . random . randn ( m , n ) b = numpy . random . randn ( m ) # Con

该文档为王书宁老师翻译的凸优化课程的课后答案，讲解很详细，答案是英文原版

凸优化最经典的教材，英文原版，斯坦福大学原版教材！

包含Convex Optimization,Lecture slides---bv_cvxslides，Convex Optimization 教材习题答案，Additional Exercises for Convex Optimization四本书。 凸优化理论部分由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。