# 运筹学（专业核心）

## 课程简介

本门课是为数学学院开设的应用数学方向专业选修课，也是大数据学院的专业核心课。与自动化、金融的运筹学不同，数院运筹学侧重点在最优化算法，作业与考试以证明题为主。课程内容为：线性规划（单纯形法,对偶问题）、网络最优化（最短路径、最大流最小割、最小成本流）、动态规划、非线性规划、无约束最优化（最速下降、牛顿法、拟牛顿法、共轭梯度法、信赖域方法）、二次规划（Lagrange法、积极集方法）、非线性约束最优化（Lagrange-Newton法、逐步二次规划、罚函数法、增广Lagrange法、障碍函数法）。

## 前置知识涉及的课程

数学分析、线性代数。

## 往年经验

教材就是老师的PPT，需要熟悉PPT中所有定理的证明、算法收敛性的证明。老师可能会将PPT中的思考题，或者章节最后的作业题作为课堂小测。小测题基本都是证明，难度挺大的，有时间可以提前做一下。作业难度也较大，但大多能在参考书中找到相似的题目，建议不要赶ddl完成作业。最后会有一个Python大作业，网络最优化、动态规划、无约束优化问题三选二，对大数据人来说是比较简单的。关于考试，题目构成为PPT的思考题、作业题、PPT里没有给出证明的定理、往年题。如果只想不挂，搞明白作业和小测即可。但如果想取得不错的成绩，除了作业和小测，还要搞定PPT中的定理证明过程，补全PPT中没有给出证明过程的定理，最后可以再随便翻翻参考书，看看同章节中老师PPT没有给出的定理。（往年题和作业解答在评课社区都有）

**自学可以参考此系列讲解**

{% embed url="<https://space.bilibili.com/507629580/?spm_id_from=333.999.0.0>" %}

## 与后续课程的联系

> 在很多应用场景下运筹学和机器学习，图论算法是要相互结合的，同时很多机器学习方法是以运筹学为基础的，比如最著名的传统分类算法支持向量机算法，就是一个求解最优超平面的问题，涉及到拉格朗日乘子法，KKT对偶理论，SMO算法，这些都是运筹优化相关内容。
>
> 运筹学和机器学习最常见的组合场景如滴滴派单算法，一般是先用机器学习的方法动态预测某时某地的客户和司机，然后运用运筹学算法给出一个最优解或次优解。运筹优化的应用场景，涉及网络优化，交通物流，生产调度，电力行业等。比如说在车辆规划路径中，在较短时间内，给出一个最优路线，同时在求解优化模型的算法，大致可以分为两大类，启发式算法和精确解算法。启发式算法又分两类，一类以邻域搜索为中心，比如模拟退火，禁忌搜索等算法，另一类是群智能算法，比如遗传算法，蚁群算法，可以避免贪心算法陷入局部最优解，并且在很快的时间内给出一个较优解，工业界经常使用；另一种是精确解算法，通常用于求解混合整数规划模型，主要运用在学术界，主要的算法包括动态规划，分支定界，割平面，如果遇到约束条件，需要结合拉格朗日乘数法来达到满足约束的条件。——摘自知乎 作者：程志刚

## 课程资源

{% embed url="<https://rec.ustc.edu.cn/share/49025260-be49-11ed-b7ad-492229627ba7>" %}

## 目录

<details>

<summary>运筹学教学大纲</summary>

线性规划

网络最优化

动态规划

非线性规划基础理论

无约束最优化

二次规划

非线性约束最优化

</details>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://advancedguideforsds.gitbook.io/advancedguide/pei-yang-fang-an-jie-xi/da-san-qiu-ji-xue-qi/yun-chou-xue-zhuan-ye-he-xin.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.