Denne boken gir en grundig og moderne innføring i konveks optimalisering, et felt som blir stadig mer relevant innen anvendt matematikk, økonomi, finans, ingeniørfag og datavitenskap, spesielt innen datavitenskap og maskinlæring. Skrevet av en ledende ekspert på området, inkluderer boken nyeste fremskritt innen den algoritmiske teorien for konveks optimalisering, noe som naturlig komplementerer den eksisterende litteraturen. Boken gir en samlet og streng presentasjon av akselerasjonsteknikker for minimeringsmetoder av både første- og andre orden. Leserne får også en grundig behandling av glattgjøringsteknikken, som har utvidet mulighetene til gradientbaserte metoder betydelig. Flere kraftfulle tilnærminger innen strukturell optimalisering, inkludert optimalisering i relativ skala og polynomisk tid indre-punktsmetoder, blir også diskutert i detalj. Forskere innen teoretisk optimalisering samt fagfolk som arbeider med optimaliseringsproblemer vil finne denne boken uvurderlig.
