这课的数学要求很高，对大数据人确实很不友好，而且从结果来看也疑似没有调分，完全按比例来算。

再说说课程内容，他的ppt基本就是一提纲，上课声音也小，只靠ppt是基本没法做作业的，参考资料也没有，还要上网到处找自己学才能勉强做，助教扣分扣的也狠（一个档10%），前两章无迟交直接一个b-一个b+。

考试有70分是ppt和作业里的（那你上课这么难意义何在，直接让学生背ppt得了），另外30分扩展。

总的来说这门课学的很累给分也不尽人意，很难不怀疑杨副院长有没有在培养方案里夹私货。

整理自己的评课，突然发现还漏了这么一个重量级。

上课：讲得并不差，但不太让人有听的兴趣，也没太多的重点起伏。有小测，估计不算分，点名性质。

讲义：纯阴间，个人推荐来我主页看重制版的讲义，结合原讲义证明应该差不多能看懂。

作业：第一次最难，后面还行，关键是得熟悉计算（反正github上都能找到往年答案（划掉

实验：不难，三选二，只要选后两个就是重现讲过的算法了，第一个最小成本循环流的强多项式时间算法难度过于离谱。（亲测选后两个也能平时满）

考试：纯阴间，看起来是一套卷子用好几年，作业题背得理解就能卷面60+了（这已经是挺高的分数了）

给分：据说是越低调得越狠，个人体验也是如此，不过最后经历了点波折还是到了满意的成绩，说实话给分并不差。

另：老师人真的挺好的。

首先声明，这门课本身是很重要的，但杨老师上课一言难尽，评课社区给了很多适合自学的教材。

杨老师上课照ppt念，但是ppt很多地方是模棱两可的，而且很多定理不给证明。作业题的难度开局劝退，但后面逐渐可以接受。

助教第一次改作业极严，后面标准略有放宽，但是因为第一次作业总评扣了两分多，建议同学们自行在评课社区找答案。助教习题课照答案念，还有一节没啥用的答疑课，这门课助教的作用接近于无，但是男助教人还不错（bushi）

给分严格按比例，期末考题固化，只要背下常考的题目基本就不会挂，但想要高分难度很大

刚考完 ，还没出分 。

上课比较催眠，不知道是不是因为玩手机玩多了（x

作业比较难办，有部分题可以github

上课听课记笔记的话，理解还是好办的。

不过今年单纯形法的变形难崩（分式变换什么都不会）

讲的还是挺好的 if一直跟着听

实验好做 

考试 emmmm 讲义 作业全背过吧 你将无敌。

但是怎么说呢 ，感觉不是很对，就是没有舒畅的感觉。

考多少算多少 ，学点东西还是可以的。

考试前回顾记的笔记，老师上课讲的还是很好的（我听着是这样的，虽然我也不会做 ）就是ppt比较难崩，参考书也难崩，缺乏一个一致的材料，可以锻炼一下寻找材料or上课记笔记（bushi）

出分了再来补评价（flag不倒）（听说一周直接出总评 抽盲盒既视感 ）

叠一层甲：

以上建立在 算法基础（混子）--关于动态规划 ，数值代数--关于共轭梯度法  同步在上 ，图论（混子）---关于运输模型 上过，接受机器学习爆锤的，数学题不会做习以为常的心态良好的摆子基础之上。虽然听的时候还是不会。

事先声明，利益相关，但不妨碍我对这门课的评价较低

对于这门课，整个学期我都是比较绝望的，上课内容都过于数学了，这对大数据人来说真的很不友好。对于听不懂的课程，一般我都选择不听了，所以这学期基本上没有认真听过几堂课，真是惭愧。

在寒假期间，看了崔雪婷的凸优化理论，内容跟杨老师的上课内容基本一致，但确实更好懂，想学一些关于OR的知识我更推荐去听听这个网课https://space.bilibili.com/507629580/?spm_id_from=333.999.0.0

关于作业和小测，作业题全是抄的，只有单纯形法那几题自己算了算，要我自己写那些证明题可能我下辈子都写不出来。小测题就是作业题，没什么好说的，签到性质，大概是不会看你的内容。

最后是考试，考前看了pksq，发现很多人说考作业题，于是我就把作业题大部分给背下来了（除了无约束最优化那章，实在是记不住）这次考试一共六道题：

1. 分式最优化，拿单纯形法做吧，但我不会
2. 证明最小成本流问题与最小成本循环流问题的互相推导以及最短路径问题是最小成本流问题的特例（作业题）
3. 大概是WP准则下的BFGS的收敛性（一个字不会写）
4. 证明拉格朗日增广函数的二阶充分条件（作业题最后一题）
5. 积极集法那个证明（PPT以及作业题）
6. 点到曲面的距离（前年也考了，我就把拉格朗日函数写上去了）

最后能拿到86分也蛮意外的，毕竟自己真的没有从这个课里学到什么，如果学到了什么，那也是崔雪婷老师教的，只能说背作业题yyds。还记得有一次碰到yzw老师，他跟我们说，你不要相信你们学长说的我给分很差，其实我给分很好的，当时我不信，现在我信了

这门课确实难度很大，大概是我目前上大学以来接触到的难度最大的课了。课程对数学基础尤其是线性代数的要求比较高，如果这方面知识薄弱的话很多证明阅读起来可能会比较吃力。但是这门课确实很有用，从中间的收获也是很多的。

杨老师声音比较小，上课如果想取得较好的听课效果的话最好坐前排(不过大部分同学好像都坐在后面)。老师对各个细节的拿捏还是很到位的，认真听起来会很有收获。

作业题很难，大约有一半以上都不会写。不过相信大家应该都有答案，所以也不是什么问题。但是这门课平时的功夫一定要打好，尤其是作业一定要很重视，尽量在平时就认真写弄懂。参考资料推荐袁亚湘的《最优化理论与方法》，后半学期非线性规划很多定理的证明都可以在上面找到参考。

关于大作业的话，如果熟悉一门编程语言(python)，相比于作业的阴间难度，大作业整体倒不是很难。关于一维搜索方法和下降方法的具体实现我是照着袁亚湘那本书上的流程图写的，非常方便。大作业完成的同时也是对算法本身的一种复习和巩固吧。

说到考试，因为这门课本身已经很难了，所以考试的题一般都是作业题/ppt上的题/往年题，如果只想不挂科的话，考前背一下作业题应该就没问题了。但是想取得高分的话，建议还是考前至少十天半个月就开始复习，最好系统的过一遍ppt，尽量背掉ppt/作业题中的证明，再做做往年题。这门课考前我的压力很大，因为对自己成绩非常没有把握。最后考试拿到卷子的时候，发现题目多多少少都有点印象。但第一题分式线性规划我换算了半天也还是没做出来。

最后给分还行。总体来说，这门课确实难度很大，但收获也很多。如果你的数学基础不太好而且这门课又不是必修的情况下，我其实更建议旁听。

个人认为这课的内容是有价值的，只是yzw教的一言难尽。ppt稀烂，讲课更稀烂，建议平时不要浪费时间在这门课上，等期末的时候集中学一周左右，效果绝对比去上课好的多得多。期末考题和去年一模一样，作业题背了定理背了拿个优秀是很稳的。平时的作业和程序根本不用管，反正有学长的sample。以上是投入产出比最低的办法，安利给一点也不想学运筹但是不得不学的大数据人。

至于数院人，如果真的想走优化方向，还是得多花点时间，不是指在这门课上，是在这门课延伸出去的东西上。有空可以看看《最优化理论与方法》，似乎有一道20分的考试题在这本书上有证明（长达好几页纸，于是我懒得背了...）。

最后关于给分，感觉不算杀手，也不算奶王。认识的人里鲜有4+，3.7倒是不少，应该是优秀率给的比较高，但高分没管。期末把作业题都做对，再多做出一个题应该就是有4了。

出分了，似乎按比例算的，没调分

这门课难度对于本人这种非数院且菜的人来说简直是一种折磨

课程的主要内容可见其他评价

2022秋的期末试题为

1.分式线性规划的具体计算

2.证明最大成本流与最大成本循环流模型化能力等价，证明最短路径问题是前者的特殊情况（作业原题）

3.基于Wolf-Powell一维搜索准则的BFGS拟牛顿的相关问题（具体记不清了）

4.作业最后一题

5.二次规划的相关问题（也记不清了）

6.对于P到三维曲面的最短距离问题，建立最优化模型，给出一阶近似与二阶近似表达式