顺着知识，继续探索
优化与运筹学
围绕目标与凸性、算法与约束、离散决策与多目标理解概念与联系。先建立知识结构，视频讲解按审核情况逐步补充。
前置知识与跨科联系
欧氏坐标中偏导数组成描述方向变化的梯度向量。
视频讲解待补充
算法与约束
梯度下降沿梯度反方向迭代，收敛依赖步长及函数光滑性等条件。
视频讲解待补充牛顿优化法利用梯度和黑塞矩阵构造局部二次步，常需全局化保护。
视频讲解待补充在线性不等式约束下优化线性目标，是资源配置类问题的主力模型。
6 条审核资源沿可行多面体的顶点逐步移动，每步改进目标，直到没有可改进的边。
1 条审核资源光滑非线性模型的最优性要求驻点、原始与对偶可行以及互补松弛。
1 条审核资源每个线性规划都有对偶；紧约束的对偶值就是放宽一个单位带来的边际价值。
1 条审核资源
离散决策与多目标
要求部分变量取整数或 0/1，用来表达是否选择、计数与排序决策。
1 条审核资源先解线性松弛，再对分数变量分支，并剪掉界值无法超过当前解的节点。
1 条审核资源把序贯决策分阶段，缓存子问题值使每个只计算一次。
1 条审核资源在容量约束下最大化流量，最小割定理把瓶颈论述变成可算的上界。
1 条审核资源在相互冲突的目标间权衡，帕累托前沿上的解无法在不损害其他目标的情况下改进某个目标。
4 条审核资源
课程范围参考