绪论
章最优化问题的数学模型
1.1设计简例
1.2数学模型的一般形式
1.3数学模型的组成
1.3.1设计变量与设计空间
1.3.2约束条件与可行域
1.3.3目标函数与等值线
1.4最优化问题的图解法
1.5最优化问题的下降迭代解法
1.5.1下降迭代解法的基本格式
1.5.2算法的收敛性与终止准则
1.5.3最优化算法分类
习题
第2章最优化设计的数学基础
2.1向量与矩阵
2.2方向导数与梯度
2.3函数的泰勒展开
2.4正定二次函数
2.5极值条件
2.5.1无约束问题的极值条件
2.5.2约束问题的极值条件
习题
第3章一维搜索（线性搜索）
3.1确定初始区间
3.2缩小区间
3.3黄金分割法（0.618法）
3.4二次插值法
习题
第4章无约束最优化方法
4.1梯度法（最速下降法）
4.2牛顿法
4.2.1基本牛顿法
4.2.2阻尼牛顿法
4.3变尺度法（拟牛顿法）
4.3.1坐标变换
4.3.2变尺度法的基本原理
4.4共轭梯度法
4.4.1共轭方向
4.4.2共轭方向的产生
4.4.3共轭梯度算法
4.5最小二乘法
4.5.1线性最小二乘法
4.5.2非线性最小二乘法
4.6鲍威尔法
4.6.1基本迭代格式
4.6.2基本鲍威尔法
4.6.3修正鲍威尔法
习题
第5章线性规划方法
5.1线性规划问题的一般形式
5.2线性规划问题的解
5.2.1基本解的产生与转换
5.2.2基本可行解的产生与转换
5.2.3基本可行解的变换条件
5.3单纯形算法
5.3.1单纯形表
5.3.2单纯形表的变换规则
习题
第6章约束最优化方法
6.1可行方向法
6.1.1下降可行方向
6.1.2最佳下降可行方向
6.1.3约束一维搜索
6.2惩罚函数法
6.2.1外点法
6.2.2内点法
6.2.3混合法
6.3乘子法
6.3.1等式约束问题的乘子法
6.3.2不等式约束问题的乘子法
6.3.3一般约束问题的乘子法
6.4序列二次规划算法
6.5多目标最优化方法
6.5.1主要目标法
6.5.2线性加权法
6.5.3理想点法
6.5.4目标逼近法
6.5.5优选最小法
习题
第7章智能最优化方法
7.1遗传算法
7.1.1生物的遗传与进化
7.1.2基本遗传算法
7.2神经网络算法
7.2.1人工神经元与神经网络模型
7.2.2BP网络
7.2.3径向基（RBF）网络
7.2.4Hopfield网络
习题
第8章最优化问题的计算机求解
8.1MATLAB
8.1.1MATLAB最优化工具箱
8.1.2MATLAB遗传算法工具箱
8.1.3MATLAB神经网络工具箱
8.2工程最优化设计实例
8.2.1最佳下料问题
8.2.2最佳连续投资问题
8.2.3产品成本预测问题
8.2.4齿轮减速器的最优化设计
8.2.5平面四杆机构再现轨迹的最优化设计
习题
参考文献

《工程很优化设计（第2版）》系统介绍了应用很优化方法解决工程实际问题的理论和方法，从数学模型的建立、很优化方法的理论和应用，到应用MATLAB提供的很优化求解程序对实际工程问题的求解和分析。以应用为目标，以理论为基础，既能开拓学生应用学习基础理论解决工程问题的思路，又能培养学生解决实际问题的创新能力能力。