推荐序三

一阶优化方法一直是求解面向大数据的机器学习、信号处理和人工智能问题的主要工具．一阶优化方法虽然概念上很简单，但需要仔细分析并充分了解才能有效地进行部署．加速、非光滑、非凸、并行和分布式实现等问题至关重要，因为它们会对算法的收敛行为和运行时间产生重大影响．

该研究专著对一阶优化方法的算法方面进行了出色的介绍，重点是算法设计和收敛性分析．它深入讨论了加速、非凸、约束和异步实现的问题．专著中涉及的主题和给出的结果非常及时，并且与机器学习、信号处理、人工智能领域的研究人员和从业人员都息息相关．专著有意识地避免了复杂性下限的理论问题，以让位于算法设计和收敛性分析．总体而言，作者对各方面材料的处理相当均衡，并且在整个专著中提供了许多有用的见解．

该专著的作者在机器学习和优化相结合方面具有丰富的研究经验．专著写得很好，读起来也很流畅．对于对机器学习的优化方面感兴趣的每个人来说，它都应该是一本重要的参考书．

罗智泉
于深圳·香港中文大学（深圳）
2019年10月