Denne læreboken presenterer et omfattende utvalg verktøy for et kurs i matematisk optimalisering, rettet mot både bachelor- og masterstudenter innen matematikk, ingeniørfag, datavitenskap og andre anvendte vitenskaper. Boken legger vekt på grunnleggende prinsipper for optimalisering, med særlig fokus på gradientbaserte numeriske optimaliseringsstrategier og algoritmer som er utviklet for å løse både glatte og støyete diskontinuerlige optimaliseringsproblemer. Forfatterne tar også opp utfordringer knyttet til kostnadene ved funksjonsvurderinger og tilstedeværelsen av flere minima, noe som ofte unødvendig hemmer bruken av gradientbaserte metoder. Den andre utgaven tar for seg videre utviklinger av strategier som kun benytter gradienter, for å håndtere diskontinuiteter i målfunksjoner. Nye kapitler omhandler bygging av surrogate-modeller samt avanserte gradientbaserte løsningsstrategier, i tillegg til numerisk optimalisering ved hjelp av Python. En spesialmodul for Python er også tilgjengelig elektronisk (via springerlink), som gjør de nye algoritmene som presenteres i teksten, tilgjengelige for leserne.
