凸优化
“凸优化理论真的很美”这是我学习完之后得到的切身感受。然而，在没认识到庐山真真面目之前，她给我的感受却恰恰是个“冰山美人”，让人即爱又恨。明明知道，她在工程中具有非常多的应用，但各种技术细节却总让我冥思苦想，真是个磨人的小妖精！ 本来我的课题是多目标优化，主要研究内容是将智能算法扩展到多目标优化领域。涉及的优化算法主要是遗传算法，差分进化，粒子群算法等。所读到的文献清一色地“鼓吹”智能优算优于传统的（基于梯度的）优化算法，如最速下降法，牛顿法，拟牛顿法等。可以说，我跟传统的数学优化算法无缘，大家楚汉之界，泾渭分明。 然而，古人云“天下大事，分久必合，合久必分”，近几年，多目标优化领域在、最新的研究方向就是将智能优化算法与传统的优化算法相结合。在这个方向上，华人学者张青富提出的MOEA/D是典型代表，该算法的核心思想是将多目标优化问题通过权重向量转化为多个单目标优化问题，并同时求解。沿着这个思路，我想寻找创新点。 工欲善其事必先利其器，为了打基础，我需要系统地学习下最优化理论。可是，之前研究生课《最优化理论》早就被我忘得一干二净(事实上，我不确定上过这门课)。那就只好自学。翻开当年的课本，清华大学陈宝林的《最优化理论与算法》，满页的公式对于非数学系的我真是相当不友好。如果没有人教，自学的话相当吃力，至少单纯型法（Simplex Method），我当年是看不懂的。