凸优化学习系列笔记

最近闲暇时间又重温了一遍《凸优化》，颇有感触。借此机会搜罗了一番优化相关的书籍，整理了优化学习路径。如下：

• 入门：《Convex Optimization Algorithms and Complexity》
• 入门：《Optimization Methods for Large-Scale Machine Learning》从机器学习角度，年代比较新
• 初级：《Convex Optimization》适合工科学习
• 初级：《Numerical Optimization》各种数值优化算法，告诉你怎么算
• 初级：《最优化理论与算法》
• 中级：《Introductory Lectures on Convex Optimization - A Basic Course》
• 中级：《Nonlinear Programming》非线性
  本次先看《凸优化》一书，边看边做些笔记，主要是帮助理解和记忆。目录如下：
  优化理论（一）线性优化、组合优化与网络流问题https://blog.csdn.net/u014230646/article/details/79652032
  优化理论（二）凸集、保凸运算、广义不等式与对偶锥https://blog.csdn.net/u014230646/article/details/79657820
  优化理论（三）凸函数、拟凸函数和保凸运算https://blog.csdn.net/u014230646/article/details/79671107
  优化理论（四）凸优化问题