重点阅读参考书籍与资料

核心教材：专业课复习以《非线性规划：理论与算法》（巴兹拉著，中译本）为核心，重点掌握无约束优化的梯度法、牛顿法，以及约束优化的KKT条件、拉格朗日对偶理论；搭配《凸优化》（Boyd著，中译本），深化对凸集、凸函数、凸优化问题建模与求解方法的理解；辅以《运筹学》（清华大学出版社），补充线性规划单纯形法、整数规划分支定界法等基础内容。

辅助资料：必读《运筹学学报》《系统科学与数学》中关于“分布式优化”“随机优化算法”的专题论文，结合华中科技大学数学与统计学院导师关于“优化在机器学习中的应用”“大规模优化算法”的研究成果积累案例；关注历年真题中的证明题（如“证明某函数为凸函数”）与算法设计题（如“设计梯度下降法求解无约束优化问题”），把握“理论推导+算法实现”的命题风格。

专业课复习方案与答题技巧

复习方案：基础阶段（3-6月）通读《非线性规划：理论与算法》，建立“优化问题分类—无约束优化方法—约束优化条件—对偶理论”的知识框架，重点掌握“梯度、Hessian矩阵、KKT条件”等核心概念；强化阶段（7-9月）针对“凸优化”与“线性规划”，结合《凸优化习题集》进行专项训练，重点攻克“凸优化问题建模”“单纯形法计算”等难点；冲刺阶段（10-12月）模拟全真答题，重点控制证明题的逻辑严密性，确保答案“步骤清晰+推导准确”。

答题技巧：证明题需“定义引用+条件分析+逻辑推导+结论验证”，如证明“某函数为凸函数”时，需先明确凸函数定义，计算函数的Hessian矩阵，判断其半正定性，从而得出结论；算法设计题需“问题描述+算法步骤+收敛性分析+复杂度计算”，如设计“梯度下降法”时，需说明“初始点选择—梯度计算—步长确定—迭代终止条件”的流程，并分析算法的收敛速度与计算复杂度。

备考助力推荐

优化理论与方法专业需兼顾理论推导与算法设计，自学易陷入“凸优化概念混淆+算法实现困难”的困境。新祥旭考研全科定制辅导课程，拥有华中科技大学数学与统计学院直系学长学姐一对一指导，能帮你梳理非线性规划与凸优化核心考点，传授“证明题解题模板+算法设计题逻辑构建”，精准把握优化理论与方法专业综合科目高频考点。咨询电话：400-000-3363。