譯者序

優(yōu)化問題是現(xiàn)實(shí)生產(chǎn)和生活中廣泛存在的一類共性問題。從個(gè)人支出的簡(jiǎn)單規(guī)劃到投資理財(cái)?shù)木脑O(shè)計(jì)，從企業(yè)生產(chǎn)規(guī)劃到尖端航天器系統(tǒng)的優(yōu)化設(shè)計(jì)，都可以體現(xiàn)出優(yōu)化問題的普遍存在性和重要性。因此，對(duì)于希望在生活或者工作中精益求精地利用現(xiàn)有資源，以期達(dá)到更優(yōu)使用效能的讀者來說，掌握一套適用于各種常見場(chǎng)景的優(yōu)化算法是降低隨機(jī)風(fēng)險(xiǎn)、提升成功概率的必要技能。但是面對(duì)眾多繁雜而高深的優(yōu)化方法，如何才能找到一條簡(jiǎn)捷的學(xué)習(xí)途徑，以便達(dá)到提綱挈領(lǐng)、舉一反三的最佳效果呢？

幸運(yùn)的是，斯坦福大學(xué)Kochenderfer博士和Wheeler博士的這本書較為系統(tǒng)地介紹了用于求解優(yōu)化問題的算法思想與核心步驟，通過優(yōu)雅的邏輯表述與取材的有序組織為讀者呈現(xiàn)了當(dāng)前優(yōu)化算法的完整體系結(jié)構(gòu)。從依托于目標(biāo)函數(shù)梯度信息的經(jīng)典方法到以群體信息分享為特征的隨機(jī)方法，從無約束的“簡(jiǎn)單”優(yōu)化方法到求解約束問題的框架性方法，從單目標(biāo)問題的優(yōu)化方法到多目標(biāo)優(yōu)化的典型方法，從目標(biāo)函數(shù)能夠高效計(jì)算的問題到目標(biāo)函數(shù)需要通過代理模型近似的復(fù)雜問題，從被強(qiáng)假設(shè)簡(jiǎn)化的“確定性”方法到更加貼近現(xiàn)實(shí)問題的不確定性方法，從源于數(shù)學(xué)結(jié)構(gòu)的經(jīng)典方法到源于自然啟發(fā)的進(jìn)化方法，原書作者通過精心有序的材料組織為讀者呈現(xiàn)了一場(chǎng)思想的盛宴。最后作者介紹了多學(xué)科優(yōu)化架構(gòu)、協(xié)作優(yōu)化、同步分析和設(shè)計(jì)等概念，為讀者邁向更加廣闊的領(lǐng)域進(jìn)行了鋪墊。譯者希望讀者能夠更多地通過各章內(nèi)容的對(duì)照領(lǐng)悟到優(yōu)化算法體系的優(yōu)美結(jié)構(gòu)。

為了增強(qiáng)中譯本的可讀性，譯者在力爭(zhēng)保留原書語言色彩的基礎(chǔ)上進(jìn)行了中式表述。邱春艷、谷嘉偉、李守峰、劉瀟、夏日婷、于東然、劉書奇、郭宏研、趙曉霞、宋佳悅等（以上排名不分先后）對(duì)本書的翻譯工作提供了很大的幫助，投入了巨大精力，在此對(duì)他們表示感謝。本譯著能夠在新年伊始、萬象更新之際得以完成，離不開出版社編輯的支持與幫助，也對(duì)他們表示衷心的感謝。最后希望本譯著對(duì)中文讀者有所啟迪，若能借此書開啟讀者對(duì)優(yōu)化算法的領(lǐng)悟之路，我們將備感欣慰。

囿于譯者水平及學(xué)科范圍，書中不足之處在所難免，歡迎廣大讀者斧正與交流。

譯者 2022年1月1日