بهينه‌سازی ناهموار به طور کلی به مساله مينيمم‌سازی (يا ماکسيمم‌سازی) توابعی اشاره دارد
که نوعاً در نقاط مينيمم کننده (يا ماکزيمم کننده) خود ديفرانسيل پذير نيستند. اين
نوع از توابع در بسياری از رشته‌های کاربردی از جمله در کنترل بهينه، حذف نوفه، آموزش شبکه‌های عصبی، داده کاوي
و... ديده می‌شود. از آنجا که نظريه کلاسيک بهينه‌سازی فرض‌های مشتق پذيری و شرايط
ويژه‌ای را برای تابعي
که بايد بهينه شود در نظر می‌گيرند، نمی تواند به طور مستقيم در اينگونه مسائل به کار
برده شود. در اين کتاب سعی شده است آشنايی مختصر و مفيدی با نظريه بهينه‌سازی ناهموار فراهم شود،
که در عين جامع بودن با زبانی ساده می‌تواند به عنوان منبعی برای تدريس اين مبحث در نظر گرفته
شود.
اين
کتاب در سه بخش سازماندهی شده است: بخش اول به نظريه بهينه‌سازی ناهموار می‌پردازد و با استفاده از
شکل‌ها و مثال‌های عددی بسيار به معرفي
آناليز محدب و نامحدب می‌پردازد. سپس شرايط بهينگی ناهموار از نقطه نظر‌های هندسی و تحليلی مورد
بحث قرار می‌گيرد.
در
بخش دوم مساله‌های بهينه‌سازی ناهموار بررسی می‌شوند. ابتدا برخی از مساله‌های واقعی بهينه‌سازی ناهموار از جمله،
مساله انطباق ساختاری مولکولی، داده کاوی، بازسازی تصوير و ... معرفی می‌شوند و در نهايت ليست
کاملی از مساله‌های آزمايشی مورد استفاده در بهينه‌سازی ناهموار ارائه شده‌اند.
بخس سوم اطلاعاتی در خصوص نرم‌افزار بهينه‌سازی ناهموار ارائه می‌کند. ابتدا توضيح مختصر و شبه
کدهايی از متداول‌ترين روش‌های بهينه‌سازی ناهموار ارائه می‌گردد که روش‌های Subgradient، Cutting-plane، Bundle، Gradient
sampling و ... نمونه‌ای از اين روش‌ها است. نتايج پياده‌سازی‌های اين روش‌ها نيز برای حل مساله‌های نامقيد با يکديگر مقايسه می‌شوند. در پايان اين بخش نيز
جدولی برای انتخاب نرم‌افزار‌های مناسب برای انواع گوناگون مساله‌های بهينه‌سازی ناهموار فراهم شده است.
