这门课是数学系2017年秋的《最优化理论与方法》，由刘红英老师任教。
我个人认为最优化这门课还是很重要的，尤其是搞机器学习方向的，无非就是用到统计和优化。
如果我们要定量分析一个问题，那么通常都会转化为求解一个函数最优值的数学问题，但要求解这个最优值时，就非常考验优化功底了，所以还是建议大家认真学一学这门课。
拉格朗日对偶这一块尤其重要，不仅因为它要考，并且其应用的范围很广，各种约束优化问题通常都会通过对偶将约束项转化为惩罚项，例如 SVM、点云配准中的 ICP 算法等等。
整理答案的时候，找到了两份答案，就都合并进一个 PDF了。
我个人认为，对于一些计算量特别大的题目（例如单纯性法），在了解原理后可以直接抄答案，基本上知道怎么用 MATLAB 编程实现就 OK了，没必要死算。
但其他部分最好先自己做，最后再来对答案，然后最优化是一个应用性很强的学科，建议学习时把书上的算法都手动编程实现一遍，用 MATLAB 还是不难的。
如果用 Python 的话，可以参考 用Python做科学计算。
PS：我作业里的答案可能有的地方写错了，仅供参考，大家自己做完后一定要对照标准答案。
至于考试的话，考试与往年题题型类似，把往年题刷完应该就没有太大问题了，但时隔好几年，现在情况如何就不太清楚了。
我将平时的作业也上传了上去，里面有 LaTeX 编译的 PDF 和 MATLAB/Mathematica 代码，由于上传数量有小于 100 的限制，所以如果想看 LaTeX 源码和图片文件的话，可以去 原仓库的地址 查看，最后希望大家也能将互帮互助的精神传承下去。