（1） 面向新工科人才培养，突出优化方法在人工智能与工程系统中的基础作用，强化复杂工程问题求解能力。 （2） 以**化方法论为主线，将优化基础、经典算法、神经网络训练和生成模型统一到建模与求解框架中。 （3） 夯实基础知识，系统讲解凸性、范数、梯度、损失函数、约束条件与优化建模等关键概念。 （4） 覆盖典型算法，重点介绍线搜索、梯度下降、最小二乘、拉格朗日乘子法、KKT条件、增广拉格朗日法和ADMM。 （5） 突出优化与神经网络训练的联系，围绕端到端优化、参数优化、深度展开和学习辅助优化展开讲解。 （6） 兼顾经典理论与AI前沿，纳入RNN、Transformer、Vision Transformer、Deep Image Prior、NeRF、3D Gaussian Splatting、VAE、GAN和扩散模型等内容。 （7） 工程应用牵引鲜明，结合图像超分辨率、雷达信号处理、目标分类、数据生成、场景重建与多模态融合等场景。 （8） 关注有限数据与复杂场景学习，介绍单图像、单场景学习方法，拓展结构先验与优化策略认识。 （9） 章节循序渐进，从基础理论、算法方法到神经网络优化、视觉与序列任务、生成模型，适合作为工科相关专业教材及工程参考书。