本书是非线性优化的基础教材，内容涵盖了凸集与凸函数、优化问题的一般理论、广义不等式约束优化问题和向量优化问题、梯度下降法与共轭梯度法、牛顿法和拟牛顿法、线性规划与二次规划、约束凸优化问题、机器学习中常用的复合优化算法等非线性优化的核心基础理论与算法。在选材上注重基础的同时兼顾前沿性，详细讲述非线性优化和凸优化的重要原理与经典算法的同时，也花了一定篇幅介绍近十几年来优化领域出现的一些新思想、新方法和新算法，以及优化理论与算法在机器学习、经济、统计和金融等领域中的应用。