本书对优化算法的理论和研究进展进行了系统的梳理,旨在帮助读者快速了解该领域的发展脉络,掌握必要的基础知识,进而推进前沿研究工作。本书首先介绍流行的机器学习模式,对重要的优化理论进行回顾,接着重点讨论已广泛应用于优化的算法,以及有潜力应用于大规模机器学习和数据分析的算法,包括一阶方法、随机优化方法、随机和分布式方法、非凸随机优化方法、无投影方法、算子滑动和分散方法等。本书适合对机器学习、人工智能和数学编程感兴趣的读者阅读参考。
无
计算机/机器学习
优化方法的研究面临着数据的高维度、不确定性和非凸性等问题,同时,实时求解、分布式处理等需求的日益增多也给优化方法的应用带来了困难。
近年来,优化方法的研究已取得了重要进展,本书对这些工作进行了系统的梳理,旨在帮助读者快速了解该领域的发展脉络,掌握必要的基础知识,进而推进前沿研究工作。
本书首先介绍流行的机器学习模式,对重要的优化理论进行回顾,接着重点讨论已广泛应用于优化的算法,以及有潜力应用于大规模机器学习和数据分析的算法,包括一阶方法、随机优化方法、随机和分布式方法、非凸随机优化方法、无投影方法、算子滑动和分散方法等。全书从基础知识开始讲解,逐步进阶到为机器学习精心设计的复杂算法,涵盖适用于不同场景的算法方案,适合对机器学习、人工智能和数学编程感兴趣的读者参考。
作者简介
蓝光辉(Guanghui Lan) 佐治亚理工学院工业与系统工程学院教授,之前曾任教于佛罗里达大学工业与系统工程系。研究方向为随机优化和非线性规划的理论、算法与应用。曾获NSF CAREER奖、INFORMS青年教师论文奖一等奖、INFORMS Computing Society(ICS)奖等。目前担任Computational Optimization and Applications、Mathematical Programming和SIAM Journal on Optimization等期刊的副主编。博士毕业于佐治亚理工学院。
译者简介
刘晓鸿 北京邮电大学计算机学院副教授。研究方向为模式识别与人工智能、嵌入式实时系统、智能交通系统等。博士毕业于中国科学院自动化研究所。
[美]蓝光辉(Guanghui Lan) 著:蓝光辉(Guanghui Lan) 佐治亚理工学院工业与系统工程学院教授,之前曾任教于佛罗里达大学工业与系统工程系。研究方向为随机优化和非线性规划的理论、算法与应用。曾获NSF CAREER奖、INFORMS青年教师论文奖一等奖、INFORMS Computing Society(ICS)奖等。目前担任Computational Optimization and Applications、Mathematical Programming和SIAM Journal on Optimization等期刊的副主编。博士毕业于佐治亚理工学院。
---译者简介---
刘晓鸿 北京邮电大学计算机学院副教授。研究方向为模式识别与人工智能、嵌入式实时系统、智能交通系统等。博士毕业于中国科学院自动化研究所。