作为一位SLAM领域的从业者，优化是永远绕不开的问题。当我娴熟地运用g2o、ceres等优化工具翻天覆地的时候，却很少去思考这个优化问题到底是怎么求解的。所谓的Gauss-Newton、Levenberg-Marquardt是什么？所谓的Trust-Region、Conjugate Gradient又是什么？

为了获得内心的安宁，我决定阅读《数值最优化》这部经典书籍，从中寻找问题的答案。同时开通的这个专栏将会记录书中最有价值的部分，与各位同胞分享我的见解。

以2016年出版的《数值最优化》影印版为准。

虽然本专栏不会覆盖书中所有内容，但列出目录可以给我们一个整体的认识。

1. Introduction
2. Fundamentals of Unconstrained Optimization
3. Line Search Methods
4. Trust-Region Methods
5. Conjugate Gradient Methods
6. Practical Newton Methods
7. Calculating Derivatives
8. Quasi-Newton Methods
9. Large-Scale Quasi-Newton and Partially Separable Optimization
10. Nonlinear Least-Squares Problems
11. Nonlinear Equations
12. Theory of Constrained Optimization
13. Linear Programming: The Simplex Method
14. Linear Programming: Interior-Point Methods
15. Fundamentals of Algorithms for Nonlinear Constrained Optimization
16. Quadratic Programming
17. Penalty, Barrier, and Augmented Lagrangian Methods
18. Sequential Quadratic Programming

现在，让我们开始阅读吧！

1. 初识优化
2. 线搜索与信赖域
3. 线搜索（一）：步长的选取
4. 线搜索（二）：收敛性和收敛速度
5. 信赖域（一）：Cauchy Point与Dogleg
6. 信赖域（二）：确切方法
7. 共轭梯度法（一）：线性共轭梯度
8. 共轭梯度法（二）：非线性共轭梯度
9. 牛顿法进阶
10. 数值求导和自动求导
11. 拟牛顿法进阶
12. 如何处理大规模问题？
13. 非线性最小二乘

欢迎关注《阅读经典》系列的其它专题：

• 深入理解计算机系统 - 连载 - 简书
• Effective Java - 文集 - 简书
• 人月神话 - 文集 - 简书