凸优化法（convex optimization algorithm），工学-控制科学与工程-过程控制-过程优化方法-凸优化法，解决凸规划问题的算法。凸优化法中最为基本的特点是凸规划问题的可行域为凸集，目标函数为凸函数。利用凸规划的凸性可保证局域最优解即为全局最优解，为计算提供便利。凸优化法的任务是根据此特性求解凸规划问题，为实际生产生活中遇到的凸规划问题提供了求解手段。凸优化法的发展经历了由简单到复杂的过程。凸规划问题可分为两类：①无约束凸规划问题。以只有目标函数而无约束的凸规划问题作为研究对象，对于目标函数简单的问题可直接使用解析法求解，对于复杂的问题可根据目标函数的一阶导数或二阶导数信息设计不同的搜索方向获得不同的优化方法，算法根据获得的搜索方向进行迭代，在每次迭代中，目标函数值都将下降。其中不利用导数信息的算法包括黄金分割法、切线法和插值法等，这些算法的特点是计算简单，但是迭代次数较多。利用一阶导数信息的算法包括梯度下降法、共轭梯度法和最速下降法等，其迭代次数较少。利用二阶导数信息的算法包括牛顿法等，其计算量较大但收敛速度较快。