Išgaubtasis programavimas, netiesinio programavimo poklasis, yra tam tikras programavimas, kuris apibendrina ir suvienija kitas rūšis, įskaitant tiesinį programavimą, mažiausių kvadratų ir kvadratinį programavimą. Išgaubto programavimo koncepcija siūlo paramą daugeliui teorinių ir praktinių pritaikymų. Jis gali pasigirti efektyviais algoritmais, dėl kurių programuotojui naudinga naudoti ir plėtoti tokio tipo programavimą. Išgaubtas programavimas reikalauja didelės programuotojo patirties ir kompetencijos, taip pat disciplinuoto mokymosi proceso. Nors tai nėra nauja koncepcija, ji vis dar naudojama daugelyje disciplinų ir programų, kurioms reikalinga sudėtinga ir techninė matematika.
Taikant išgaubtą programavimą svarbūs trys principai: optimizavimas, skaitmeninis skaičiavimas ir išgaubta analizė. Padidėjusi skaičiavimo galia ir sudėtingų algoritmų laimėjimai leido mokslininkams ir matematikams sukurti tokio tipo programavimą ir naudoti jį problemoms spręsti. Išgaubtasis programavimas suteikė savo vartotojams naudingų skaičiavimo įrankių, padedančių išspręsti aukštesnės klasės problemas tiesinio programavimo ir mažiausių kvadratų srityse. Inžinieriai nustatė, kad toks programavimas yra naudingas tokioms funkcijoms kaip signalų apdorojimas, valdymas, grandinės projektavimas, tinklai, ryšys ir kt.
Norint naudoti išgaubtą programavimą, reikia suprasti tiesinę algebrą, optimizavimą ir vektorinį skaičiavimą. Išgaubti rinkiniai yra gana dažni ir naudojami tokio tipo programavimui. Programuotojai naudoja šiuos išgaubtus rinkinius tam, kad išspręstų tam tikras vektorių optimizavimo problemas. Kitas įprastas šio tipo programavimo elementas yra išgaubta funkcija.
Išgaubto programavimo taikymas yra įprastas mikroekonomikos srityje, ypač nustatant maksimalų pelną ir maksimalų vartotojų pasirinkimą. Tai yra optimizavimo forma ir reikalauja sudėtingos matematikos, esančios išgaubtame programavime. Dažna problema, kuri nagrinėjama ir sprendžiama šioje disciplinoje, yra vadinamoji matematinio optimizavimo problema. Tokia problema naudoja vektorių, kad pavaizduotų ir abstrahuotų optimaliausią pasirinkimą iš tam tikro pasirinkimų rinkinio.
Kitas tokio tipo abstrakčių problemų pavyzdys, atsirandantis kitoje disciplinoje, yra portfelio optimizavimas, kai ieškoma geriausio kapitalo investavimo pasirinkimo iš tam tikro turto rinkinio. Kompiuteriuose ir elektroniniame projekte įrenginio dydžio nustatymas yra dar viena optimizavimo problema, kai reikia nustatyti geriausią įrenginio, pavyzdžiui, grandinės, ilgį ir plotį. Duomenų pritaikymas, kitas su kompiuteriais ir elektroniniais prietaisais susijęs aspektas, siekia iš potencialių kandidatų modelių grupės rasti modelį, kuris geriausiai atitiktų tam tikrus stebimus duomenis ar anksčiau gautą informaciją.