本书共有六章: 第一章介绍最优化问题的数学模型和相关优化方法的基础知识, 包括线性代数、微积分、空间、几何和变换等。第二章主要介绍线性规划的基本概念及解的性质、单纯形法、对偶理论与整数规划等。第三章介绍非线性优化的基本理论, 包括凸规划、最优性条件、下降迭代法和常用一维搜索算法等。第四章着重介绍无约束最优化方法, 包括最速下降法、牛顿法、共轭梯度法、变尺度法、Powell方向加速法和最小二乘法等。第五章介绍约束最优化方法, 包括可行方向法、罚函数法、增广拉格朗日乘子法和投影梯度法等。第六章侧重介绍现代优化方法, 包括模拟退火算法、神经网络算法、遗传算法、支持向量机和深度学习等。每章配有适量习题, 便于读者通过自主练习来更好地掌握所学内容。