Couvre les algorithmes d'approximation pour les problèmes d'optimisation, la relaxation LP et les techniques d'arrondi aléatoire.
Couvre les méthodes de recherche de ligne de gradient et les techniques d'optimisation en mettant l'accent sur les conditions Wolfe et la définition positive.
Couvre les bases de l'optimisation contrainte, y compris les directions tangentes, les sous-problèmes de la région de confiance et les conditions d'optimalité nécessaires.
Couvre la preuve d'une forte dualité dans les problèmes d'optimisation et fournit des exemples d'optimisation du quotient de Rayleigh.
Explore les problèmes de volume contraint en utilisant les multiplicateurs de Lagrange pour trouver des extrema sous contraintes dans divers exemples.
Couvre le concept de formulation équivalente en optimisation contrainte et explore le cône tangent.
Couvre le lemme Zig Zag et la longue séquence exacte de l'homologie relative.
Couvre l'optimisation sans contrainte et contrainte, le contrôle optimal, les réseaux neuronaux et les méthodes d'optimisation globales.
Introduit des contraintes, des multiplicateurs de Lagrange et des coordonnées généralisées en physique.
