寻求涵盖无限维拉格朗日乘数、KKT条件与最优控制的现代书籍推荐

Hey there! 针对你想要找一本替代Luenberger《Optimization by Vector Space Methods》后半部分的现代书籍，同时满足你对巴拿赫空间拉格朗日乘数必要条件、以及用拉格朗日乘数（含连续约束）推导庞特里亚金最大值原理的需求，我整理了几个精准匹配的推荐：

• 《Optimization in Banach Spaces: Theory, Methods and Applications》（J. B. Hiriart-Urruty & C. Lemaréchal）
  这本书完全聚焦于无限维空间（包括巴拿赫空间）的优化理论，不仅系统讲解了拉格朗日乘数的必要条件，还专门探讨了约束条件为连续族的情形——正好能帮你理解如何用拉格朗日乘数框架推导庞特里亚金最大值原理。相比Luenberger的书，它的内容更新，证明更严谨，还补充了不少现代优化的视角，能解答你之前遗留的问题。

• 《Infinite-Dimensional Optimization and Control Theory》（Alain Bensoussan & Jacques-Louis Lions）
  这本是优化与控制理论交叉领域的经典现代著作，完美结合了无限维优化的一般理论和最优控制的核心内容。它会从巴拿赫空间的拉格朗日乘数法则出发，一步步推导庞特里亚金最大值原理，把控制问题转化为带连续约束的优化问题来处理，完全符合你想要的推导逻辑。而且书中涵盖了非凸情形的讨论，不像你找到的那篇论文只局限于凸问题。

• 《Optimization Theory: Finite and Infinite Dimensions》（D. G. Luenberger & Y. Ye）
  如果你还是偏爱Luenberger的风格，这本是他和Ye合作的升级版，更新了无限维优化的内容，补充了现代的理论进展，同样会把最优控制的最大值原理作为拉格朗日乘数法则的特例来讲解，既保留了你熟悉的框架，又解决了原书陈旧的问题。

另外，关于你提到的Clarke的《Functional Analysis, Calculus of Variations, and Optimal Control》，其实它的附录和部分章节里也涉及了巴拿赫空间优化的基础，但确实侧重变分和控制。如果你想深挖用拉格朗日乘数处理连续约束的部分，可以结合上面推荐的第一本书来互补阅读。

备注：内容来源于stack exchange，提问作者Smithey