阿尔卡迪·内米罗夫斯基(俄语:Аркадий Немировский,罗马化:,1947年3月14日-)是一名俄裔美国数学家,乔治亚理工学院的教授。他一直是连续最佳化(英语:Continuous optimization)领域的领先者,以其在椭球法(英语:Ellipsoid method)、现代内点法(英语:Interior-point method)和强健最佳化(英语:Robust optimization)的工作而闻名。
内米罗夫斯基在1974年获得莫斯科国立大学的数学博士学位,并在1990年获得乌克兰国家科学院模控学研究所的数学科学博士学位,他曾获得富尔克森奖、丹齐格奖(英语:Dantzig Prize)、约翰·冯·诺伊曼理论奖(英语:John von Neumann Theory Prize)和诺伯特·维纳奖(英语:Norbert Wiener Prize in Applied Mathematics)等奖项。他因“开发大规模凸优化问题的高效算法”,在2017年当选为美国国家工程院院士,并在2020年当选为美国国家科学院院士。
内米罗夫斯基在1983年与David Yudin一起首次提出镜像下降法(英语:Mirror descent)。
他与尤里·涅斯捷罗夫在1994年的著作中首次指出内点法(英语:Interior-point method)可以解决凸优化问题,也是第一次对半正定规划(SDP)进行系统性研究。在这本书中,他们还介绍了自洽函数(英语:Self-concordant function),这对牛顿法的分析很有帮助。