※ 本文是否可提供台大同学转作其他非营利用途？（须保留原作者 ID）
（是／否／其他条件）：是
哪一学年度修课：106-1
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
詹魁元 教授
λ 开课系所与授课对象 (是否为必修或通识课 / 内容是否与某些背景相关)
机械所 选修
δ 课程大概内容
Ch1 Optimization Process
Ch2 Surrogate Models
Ch3 Model Boundedness
Ch4 Interior Optima
Ch5 Boundary Optima
Ch6 Local Computation
Ch7 Nongradient Search
Ω 私心推荐指数(以五分计) ★★★★★
虽然是研究所的课，但本鲁只是大学部肥宅，所以以下皆是以大学部角度：
有同学组队一起挑战：★★★★★
边缘人自己挑战：★
不排斥数学：★★★★★
η 上课用书(影印讲义或是指定教科书)
" Principles of Optimal Design: Modeling and Computation" 3rd edtion
by P. Papalam
学期一开始有开团购，不强制购买但我个人觉得十分有用，非常推荐（电子档
实在是不好找啊.......），据说老师本人也写了这本书的一部分。
μ 上课方式(投影片、团体讨论、老师教学风格)
投影片上课，辅以黑板画图讲解，投影片内容为对应课本章节之重点整理（所
以详细推导得回去唸课本）。
詹老师是非常具有舞台魅力的老师，本人非常具有亲和力、贴近学生，上课时
的口才也非常好，会以非常浅显易懂的说明与举例将最佳化的数学“观念”带
给学生，所以上课时会觉得好像都融会贯通了，回家看课本时才发现不是这么
回事XDD，不过我个人觉得一旦大观念有了就更容易理解数学推导的逻辑与目的
，也因此认为老师的教学是满有效的。
σ 评分方式(给分甜吗？是扎实分？)
出席 20%
作业 30% 本学期共5份
期中考 20%
期末 Project 30%
口头报告 10%
Team Proposal 5%
Inidividual Project Formulation 5%
书面报告 10%
分数应该算扎实偏甜吧，作业与报告的给分好像都不会很严苛，本鲁期中97，
作业都有90以上，期末报告自认做得不是很好，最后A+，同组另外两位大学部
的同学期中稍差一些，最后也都拿A+（也有可能是老师放水？）。
ρ 考题型式、作业方式
期中：
范围 Ch1 ~ 5，共4个大题，两大题观念（是非&简答），两大题计算。
虽然老师秉持着“作业要难，考试要简单”的信念，没有要特别刁难学生的意思
，但期中考还是小难了一点XD，平均好像7X吧印象中。
作业：
作业就满需要花时间了（至少大学部的我们啦TT），大致上每个章节对应到一份
作业，包含手算、推导、程式（以Matlab为主）等，一份作业大概会花个五六小
时以上吧。
Group Project：
一组约3~4人，每人要针对一个子系统找出问题并使用最佳化解决问题，同时各
个子系统要互相耦合，形成一母系统，并且针对耦合后的母系统作最佳化，探讨
耦合时各子系统变量间关系、所需要作的trade-off等。
Group Project 是这门课最花时间的一份作业，大概也是大学部修课最大的阻力
吧(笑)，毕竟研究所都是整间实验室结伴来修课，通常也都有已经深入研究的题
目可以直接拿来应用，大学部这方面就比较吃亏XD。我们后来选择气动车作为
Project 主题，但在建数学模型上也是吃尽了苦头ˊˋ
ω 其它(是否注重出席率？如果为外系选修，需先有什么基础较好吗？老师个性？
加签习惯？严禁迟到等…)
Attendance 虽然占了20%，但老师只有第一堂课点过名而已，也不知道重不重视
，不过老师会认人，上课也会随机问问题就是。
外系选修应该只要有微积分的基础就可以了，因为老师是把大家当作第一次接触
最佳化这个领域在教学的，所以不用太担心，大家都一样崩溃(X
Ψ 总结
最佳化对机械系来说是个陌生但十分有趣且实用的工具，无论哪个组别、产品
研发的不同阶段都有最佳化能够发挥的空间，非常推荐学弟妹来修这门课，能
够在詹老师浅显易懂的教学下浅尝最佳化这个领域我想是再好不过了。