凸优化convex optimization Stephen Boyd Lieven Vandenberghe著 王书宁等译，电子扫描版《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。

这个简化的 Matlab 演示代码展示了如何使用新的 Mayfly 算法来解决全局优化问题。

Algorithm Updated 2 minutes ago Wireless sensor network(WSN) attracts the attention of more and more researchers and it is applied in more and more environments. The localization information is one of the most important information in WSN. This pape proposed a novel algorithm called the rotated black hole(RBH) algorithm, which introduces a rotated optimal path and greatly improves the global search ability of the original black hole(BH) algorithm. Then, the novel algorithm is applied in reducing the localization error ofWSN in 3D terrain. CEC 2013 test suit is used to verify the performance of the novel algorithm, and the simulation results show the novel algorithm has better search performance than other famous intelligence computing algorithms. The localization simulation experiment results reveal the novel algorithm also has an excellent performance in solving practical problems.

数值优化领域经典教材。机器学习的数学基础。 Numerical Optimization presents a comprehensive and up-to-date description of the most effective methods in continuous optimization. It responds to the growing interest in optimization in engineering, science, and business by focusing on the methods that are best suited to practical problems.

MIT+-+Optimization+for+Machine+Learning.2012

Analytics-Edge-2015-优化 Analytics Edge 2015 使用 lpSolveAPI 求解优化 使用 lpSolveAPI 组合和求解 LP 的介绍 我写这篇文章是为了向我在分析边缘 2015 中的同学介绍 lpSolveAPI 包。 请参阅 edX 上的分析边缘课程，第 8 单元，视频 4，航空公司收入管理，此处提供视频。 视频中的问题是在 Excel/LibreOffice 中编写的。 这个 repo 中的 R 脚本展示了如何在 R 中组合相同的问题并使用 lpSolveAPI 解决。

线性优化 还记得你的线性优化课吗？ “一家企业生产 2 种产品。每种产品需要不同数量的 3 种原料，但供应有限。两种产品都会产生特定的利润，而且工厂产能存在整体限制。理想的产品组合是什么？” 这大致就是我们必须在课堂上解决的练习，就是这样。 我们使用的单纯形算法太复杂，无法真正教授，所以我们只需要记住步骤并应用它。 哦，我们短暂地听说过，显然人们正在使用它。 但是我们没有深入研究这些，无论如何，纸笔单纯形法对此没有用处。 这当然是不能接受的，所以我做了linear-optimization.com 使用 [Microsoft Solver Foundation] ( )（已弃用，因此对于下一个项目，我可能会使用 ) 我为各种问题类型和复杂性/难度级别随机创建了有趣的线性优化问题。 用户可能会尝试解决并输入他们的答案并获得一些反馈。 笔记： 关注可访问性。 早期的问题可以通过尝

Apollo trajectory planning reference

网站性能优化组合项目 如果您愿意接受（我们当然希望您接受），您的挑战是优化此在线产品组合以提高速度！ 特别是，通过应用您在到的技术，优化关键渲染路径并使该页面尽可能快地。 首先，检查存储库，检查代码， 入门 一些有用的提示可帮助您入门： 查看存储库 要在手机上检查站点，您可以运行本地服务器 $ > cd /path/to/your-project-folder $ > python -m SimpleHTTPServer 8080 打开浏览器并访问 localhost:8080 下载并安装以远程访问您的本地服务器。 $ > cd /path/to/your-project-folder $ > ngrok 8080 复制 ngrok 为您提供的公共 URL 并尝试通过 PageSpeed Insights 运行它！ 轮廓、优化、测量……然后起泡、冲洗并重复。 祝你好运！ 优化提

最优化代码实现：包括牛顿迭代法、最速下降法、下降法、梯度下降法、共轭、、等等