另外两本类似于 Nocedal & Wright 的书是

• 数值优化，由 Bonnans 等人撰写。
• 优化理论与方法,孙元

但由于您正在寻找适用于数据科学和机器学习的优化方法，请记住，该领域模型的庞大规模通常需要这些书中讨论的算法的随机版本（通常是随机梯度下降的某个版本）。这个领域仍在不断变化，新算法似乎每隔一个月就会开发一次，所以目前没有任何全面的教科书（至少据我所知）。我能想到的最接近的是Ruder 的这篇评论文章。

除了 Nocedal & Wright (2006)，作为类似水平的书籍，我发现：

• “优化中的迭代方法”，Kelley (1999) 和
• Lange (2013) 的“优化”。

这两本书对于 N&W 来说同样容易理解，并且很好地涵盖了标准数值优化主题（KKT 理论、牛顿法、准牛顿法等）。凯利的书也可以免费下载。

很高兴你分享了你的书。非常感谢！我真的很喜欢你已经提到的数值优化（运筹学和金融工程中的施普林格系列），但我仍然会推荐数值食谱第 3 版：科学计算的艺术来学习。我还推荐阅读其他教育资源，例如，您可以在 eduzaurus 上找到许多关于“数值”键的短文。我想你会在那里找到很多有用的信息。