译者序

优化问题是现实生产和生活中广泛存在的一类共性问题。从个人支出的简单规划到投资理财的精心设计，从企业生产规划到尖端航天器系统的优化设计，都可以体现出优化问题的普遍存在性和重要性。因此，对于希望在生活或者工作中精益求精地利用现有资源，以期达到更优使用效能的读者来说，掌握一套适用于各种常见场景的优化算法是降低随机风险、提升成功概率的必要技能。但是面对众多繁杂而高深的优化方法，如何才能找到一条简捷的学习途径，以便达到提纲挈领、举一反三的最佳效果呢？

幸运的是，斯坦福大学Kochenderfer博士和Wheeler博士的这本书较为系统地介绍了用于求解优化问题的算法思想与核心步骤，通过优雅的逻辑表述与取材的有序组织为读者呈现了当前优化算法的完整体系结构。从依托于目标函数梯度信息的经典方法到以群体信息分享为特征的随机方法，从无约束的“简单”优化方法到求解约束问题的框架性方法，从单目标问题的优化方法到多目标优化的典型方法，从目标函数能够高效计算的问题到目标函数需要通过代理模型近似的复杂问题，从被强假设简化的“确定性”方法到更加贴近现实问题的不确定性方法，从源于数学结构的经典方法到源于自然启发的进化方法，原书作者通过精心有序的材料组织为读者呈现了一场思想的盛宴。最后作者介绍了多学科优化架构、协作优化、同步分析和设计等概念，为读者迈向更加广阔的领域进行了铺垫。译者希望读者能够更多地通过各章内容的对照领悟到优化算法体系的优美结构。

为了增强中译本的可读性，译者在力争保留原书语言色彩的基础上进行了中式表述。邱春艳、谷嘉伟、李守峰、刘潇、夏日婷、于东然、刘书奇、郭宏研、赵晓霞、宋佳悦等（以上排名不分先后）对本书的翻译工作提供了很大的帮助，投入了巨大精力，在此对他们表示感谢。本译著能够在新年伊始、万象更新之际得以完成，离不开出版社编辑的支持与帮助，也对他们表示衷心的感谢。最后希望本译著对中文读者有所启迪，若能借此书开启读者对优化算法的领悟之路，我们将备感欣慰。

囿于译者水平及学科范围，书中不足之处在所难免，欢迎广大读者斧正与交流。

译者 2022年1月1日