譯者序

優化問題是現實生產和生活中廣泛存在的一類共性問題。從個人支出的簡單規劃到投資理財的精心設計，從企業生產規劃到尖端航天器系統的優化設計，都可以體現出優化問題的普遍存在性和重要性。因此，對于希望在生活或者工作中精益求精地利用現有資源，以期達到更優使用效能的讀者來說，掌握一套適用于各種常見場景的優化算法是降低隨機風險、提升成功概率的必要技能。但是面對眾多繁雜而高深的優化方法，如何才能找到一條簡捷的學習途徑，以便達到提綱挈領、舉一反三的最佳效果呢？

幸運的是，斯坦福大學Kochenderfer博士和Wheeler博士的這本書較為系統地介紹了用于求解優化問題的算法思想與核心步驟，通過優雅的邏輯表述與取材的有序組織為讀者呈現了當前優化算法的完整體系結構。從依托于目標函數梯度信息的經典方法到以群體信息分享為特征的隨機方法，從無約束的“簡單”優化方法到求解約束問題的框架性方法，從單目標問題的優化方法到多目標優化的典型方法，從目標函數能夠高效計算的問題到目標函數需要通過代理模型近似的復雜問題，從被強假設簡化的“確定性”方法到更加貼近現實問題的不確定性方法，從源于數學結構的經典方法到源于自然啟發的進化方法，原書作者通過精心有序的材料組織為讀者呈現了一場思想的盛宴。最后作者介紹了多學科優化架構、協作優化、同步分析和設計等概念，為讀者邁向更加廣闊的領域進行了鋪墊。譯者希望讀者能夠更多地通過各章內容的對照領悟到優化算法體系的優美結構。

為了增強中譯本的可讀性，譯者在力爭保留原書語言色彩的基礎上進行了中式表述。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，也對他們表示衷心的感謝。最后希望本譯著對中文讀者有所啟迪，若能借此書開啟讀者對優化算法的領悟之路，我們將備感欣慰。

囿于譯者水平及學科范圍，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