因为目标导师是做优化出身的所以大四选个优化学学，好奇优化讲什么内容选的这个课，基本上把优化学中成熟的内容和理论都涉及到了一遍，记号和脉络什么的都非常规范，详略得当。作业 workload 不大，而且和考试内容很相关，适合完全自学人。

博士面试的时候通过拿这个课学的东西 (主要是优化问题建模的思想) 建模并解决了个半无穷问题，效果挺好，也自圆其说，最后也拿到了 offer。所以对于这个课我可能评价虚高。

上课讲得怎么样咱也不知道，因为就没去上过几次课；看懂之后发现课件制作详略非常得当。不足之处是课件的结构不是非常清晰，对自学友好程度不是很高，但也不是不能学。

关于平时

大四老登这学期都在实习，上课基本没在听。作业均分 85 左右，quiz 都交了。本人数理基础不好，大一数分两个 C，线代也是 C 档，可以说是数学能力全校垫底。

关于考试

复习让 gpt 老师带着过了一遍 ppt，之后把近两年卷子抄在 cheatsheet 上就上了考场。这次考试主要考验计算速度和原题对对碰速度。基本题型不变，但是计算生疏实在算不完。大概只做了 60% 的题。最后期末 31。（平均分 39.76，中位数 38）

数值最优化：24 Fall 的改革阵痛期

24 秋的课程，王浩老师相比于前两年做了许多的调整，试图让这门课的内容更加充实和有趣，想让同学们学到更多东西 —— 初衷固然是好的，但诚然，在执行过程中遇到了相当不少的问题。

先简单介绍一下课程内容和 Workload：

课程内容和授课

教学

• 可能是因为加塞了很多内容，教学节奏有些奇怪，在课堂上完全学懂不太现实
• 王老师上课试图传递一些直觉性的东西，比如算法对 motivation，公式的几何意义等等，但是感觉效果并不好
• 以及，为什么单纯形法讲了半个学期。。。

作业

上课

老师人不错，有问题都会耐心解答。

前半学期讲的比较细，便于理解；后半学期上课直接听不懂，

首先用来测试程序表现的方法完全是黑箱。

这意味着你要自己做数据，自己评估表现，自己从下至两千次上至数万次的循环中找出某几个参数对结果的影响。

Project 的描述也语焉不详，直接丢两篇论文，一个论文中算法的梗概和一个五行的 template。(甚至论文中作者还表示他们也没有发现该如何正确选择更好的参数，只能判断一些参数带来的影响)

project 非常难😨😨😨

ddl 从 1.2 延期到 1.5 又延期到 1.11，一些人的一些 project 本来由于这个 project 的 ddl 放弃了，结果最后延期了😅

而且给的算法一开始根本跑不出来😇

数值最优化是我上的第一门自己选的专业课，也是在学长的推荐下选的，跟我的一个同学一起上的。我们两个是大二，上课的很多人是大三的，但我觉得没什么难度，即使是大二也完全能接受。最后也是 A 的评分，还是收获满满的。

王浩老师进行授课，王老师是偏向数学方向的老师，这门课也是偏向数学计算和推导的课程，对于数学功底要求还是很高的。我们上课是在信院的一个小教室，每次上课都是坐满的，好几次都是要从其他教室搬凳子来的，与某些信院必选专业课形成鲜明的对比。老师讲课还是十分通俗易懂的，按我同学的话，是几个听课比不听课收益大的课程。课程条例还是比较清晰的，

作业都比较短小精悍，与课堂息息相关，有 matlab 和 ampl 的编程作业，都是课堂上一些数学算法的复现。问答题也是需要好好思考的，有证明题和解答题，都是很经典的例题。课堂上老师还会让同学自己跟着写一点东西，算是笔记之类的，下课会收上来算作业分，算是白送的作业分吧。

一些参考：本人 CS 专业 均绩 3.25，上这门课较为吃力（数学功底不好），课上一旦理解慢了后面就会听不懂，得靠课下花时间自己看课本才能搞懂。

课程的脉络较为清晰，王浩讲的很精彩，整体讲课节奏基本是：开启新的章节先科普 1-2 课时，介绍业内著名的学者，一旦进入正题节奏会突然加快。王浩讲课比较喜欢用口语化的描述（对理解能力强的同学不是一件坏事，可以培养某种直觉上的数学感知，但是我听不懂），这一点可能会构成一定听课障碍 作业极少（偶尔含简单的 coding），但正因为如此需要自己课下找往年题练手；quiz 不难且签到性质 考前狠狠突击看往年题押中了几道，考的还算满意

23Fall 修读王老师的课。最终给分 A。

我数学能力其实挺差的，但是感谢教务搞出来一个 “方向必修”，对于我这种想修完 DS 方向然后拿学位证转行的，就不得不直面数学课了。数学能力差的同学听这门课会相对痛苦（和 iml 相比，iml 是前期云里雾里，后面很简单；这课是全程吃数学功底），没有一点淑芬和线代直觉，很多内容会较难想象，导致很难理解。

但不得不说，王老师教学质量的确过硬，比孙露讲 iml 好多了。sl 上 iml 就直接开始推公式，跟上了就跟上了，跟不上就跟不上了；而王老师一方面本身教学功底就更好，另一方面，数形结合、翻来覆去讲，大家只要认真听，数学基础再差，还是能听懂大概的。后面复习起来，也很顺利。

2025/1/24 Upd: 这学期没 project，给分与课程质量等已经不能作为有 project 的后来学期本课的参考，不过我认为这几个体系还是可以参考一下下的

课程质量与学习方法

秋学期是王老师教的，课件质量很好，上课也用中文，这意味着比较容易懂。但是懂还是需要一些 Eureka 的，需要用自己的一套体系 / 世界观把整门课的知识串起来。笔者这里给几个将知识点串起来的思路：

• 泰勒展开 => 二次估计与线性 (一次) 估计模型 导出 / 联系几种无约束优化算法

利益相关：期中 83，期末 100，作业全满，quiz 扣了一分，最终给分 A+

接下来的评论针对石野上的课，王浩上的课请参见其它评论

首先，个人认为这门课的时间分配是不太合理的，前半学期花了近七周时间讲单纯形法相关的理论，然而在实际应用当中基本不会用到单纯形法，多半都是内点法（而且内点法也没讲明白，大家都似懂非懂的），单纯形法对后面的一般优化算法的理解也基本没有帮助（真要说对内点法的理解还是有一点帮助的，毕竟内点法就是为了优化单纯形法到多项式时间复杂度而生的，但只能说帮助不大）。对于至关重要的对偶理论感觉也没讲清楚，听得云里雾里的，也可能是本人和老师的脑电波不太对得上。期中又算错了个简单的单纯形和理解错了一道题的意思，于是小崩。到了后半学期，老师花了较多时间讲凸优化的基础内容，这部分还是比较详尽的（比隔壁本科生凸优化都详细），但是由于前面花了太多时间在线性规划上面，后面也就只能讲讲线搜索，牛顿法和拟牛顿法了，对比王浩老师讲的内容少了一大截。所以总体评价为老师讲课水平不太行。