Konvexe Optimierungsprobleme mit einer nichtglatten Zielfunktion treten in vielen Anwendungen auf, beispielsweise im Zusammenhang mit Penalty-Verfahren fur differenzierbare Optimierungsprobleme, mit der Lagrange-Relaxation bei kombinatorischen Optimierungsproblemen oder bei der Strukturoptimierung von Stabwerken. Die wichtigsten numerischen Verfahren zur Losung solcher Optimierungsprobleme sind Subgradienten- und Bundle-Verfahren. Das Buch gibt eine kompakte Einfuhrung in die Grundlagen dieser Verfahren, die den Leser in die Lage versetzt, einfache Versionen der Verfahren selbst zu implementieren."

Anhand einer Reihe mathematisch-oekonomischer Modelle sollen Studenten, Absolventen und Praktiker Anregungen zum Modellieren und Loesen praktischer Problemstellungen erhalten. Das Buch kann als Grundlage fur Seminare zur Wirtschaftsmathematik, als Erganzung entsprechender Vorlesungen an mathematischen und wirtschaftswissenschaftlichen Fakultaten und als Nachschlagewerk dienen.

Ziel des Buches ist es, eine Einfuhrung in die theoretischen Grundlagen, die numerischen Verfahren und die Anwendungen der nichtlinearen Optimierung zu geben. Die Auswahl wurde so getroffen, dass auch die praktische Vorgehensweise bei der Loesung konkreter Aufgabenstellungen ausreichend berucksichtigt wird. Dazu betrachtet der Autor beispielsweise einfache Modelle fur Produktions- und Lagerhaltungsprobleme. An diesen Modellen erlautert er die theoretischen Resultate, diskutiert moegliche Varianten, Verbesserungen und Verfeinerungen der Modellierung und geht auf verschiedene Moeglichkeiten zur Formulierung solcher Aufgaben als nichtlineare Optimierungsprobleme ein. Ausserdem demonstriert er an zahlreichen Beispielen die Anwendung von Optimierungssoftware zur numerischen Berechnung einer Loesung nichtlinearer Optimierungsaufgaben, wobei er die Implementierungen von Optimierungsverfahren aus Matlab oder aus der NAG-Bibliothek benutzt. Neu in der 2. Auflage sind zwei Kapitel uber nichtglatte Optimierungsprobleme sowie UEbungsaufgaben zu allen Kapiteln.