《锥约束优化：最优性理论与增广Lagrange方法》系统介绍锥约束优化的最优性理论与增广Lagrange方法，主要内容包括变分分析的相关基础、约束集合的切锥与二阶切集、对偶理论、非线性锥约束优化的一阶最优性条件和二阶最优性条件、三类重要的锥约束优化的最优性条件、凸规划的内点算法以及非凸半定规划的增广Lagrange方法的收敛速度估计等。<br>    《锥约束优化：最优性理论与增广Lagrange方法》可以作为非线性优化专业高年级大学生和研究生的教材，也可供从事相关研究的科研人员参考。

《运筹与管理科学丛书》序<br>前言<br>第1章  变分分析基础<br>1.1  凸分析基础<br>1.2  集值映射的极限<br>1.3  方向导数<br>1.4  集合的切锥与二阶切集<br>1.5  度量正则性<br>1.6  半光滑映射<br>第2章  约束集合的切锥与二阶切集<br>2.1  凸函数水平集的切锥<br>2.2  Φ：=G-1（K）的切锥<br>2.3  约束规范条件<br>2.4  凸函数水平集的二阶切集<br>2.5  Φ：=G-1（K）的二阶切集<br>2.6  负卦限锥的切锥与二阶切集<br>2.7  半负定矩阵锥的切锥与二阶切集<br>2.8  二阶锥的切锥与二阶切集<br>第3章  对偶理论<br>3.1  共轭对偶性<br>3.2  Lagrange对偶性<br>3.3  对偶理论的应用<br>第4章  最优性条件<br>4.1  约束优化模型<br>4.2  一阶最优性条件<br>4.3  广义Lagrange乘子<br>4.4  Ekeland变分原理<br>4.5  二阶必要性条件的一般形式<br>4.6  二阶充分性条件的一般形式<br>4.7  “无间隙”二阶最优性条件<br>第5章  三类约束优化的最优性条件<br>5.1  NLP问题的最优性条件<br>5.2  SDP问题的最优性条件<br>5.3  SOP问题的最优性条件<br>第6章  凸优化内点算法<br>6.1  自协调函数<br>6.2  自协调障碍函数<br>6.3  路径跟踪方法<br>第7章  增广Lagrange函数方法<br>7.1  非线性规划的惩罚与障碍函数方法<br>7.2  非线性规划的增广Lagrange函数方法<br>7.3  半定规划的增广Lagrange方法<br>参考文献<br>《运筹与管理科学丛书》已出版书目