※ 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：
108-2
ψ 授课教师 (若为多人合授请写开课教师，以方便收录)
孔令杰
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)
资管系选修
δ 课程大概内容
根据syllabus依各周进度条列：
1. Overview and quiz
2. Linear programming (LP)
3. The simplex method
4. Linearization technique & optimization software
5. No class
6. LP duality
7. Integer programming (IP)
8. Applications of IP
9. Single-variate nonlinear programming (NLP)
10. Multi-variate NLP: analysis
11. Multi-variate NLP: algorithms
12. Dynamic programming (DP)
13. Applicaitons of DP
14. Final Exam
16. Advanced topics
16. Final project presentations
Ω 私心推荐指数(以五分计) ★★★★★
★★★★☆
η 上课用书(影印讲义或是指定教科书)
Introduction to Operations Research ny Hillier and Lieberman, tenth edition, McGraw Hill.
Reference:
Introduction to Management Science: A modeling and Case Studies Approach with Spread-sheets
by Hillier and Hillier.
Operations Research: Applications and Algorithms by Winston
管理科学：作业研究与电脑应用，陈文贤，陈静枝
老师会提供讲义，书我自己有找到电子书，偶尔有想看更仔细的地方会去翻，不过基本上不用买，老师的讲
义已经够清楚了。
μ 上课方式(投影片、团体讨论、老师教学风格)
翻转教室，上课前先看完当周影片后老师会在课堂上带讨论跟讲解。不过这学期因为疫情的关系就取消实体
讲课的部分，只要看完影片并完成pre-lecture problems就好，我觉得满可惜的。
本堂课是英文授课，不过老师英文讲得很清楚，开两倍速也还是听得懂，而且讲义设计的也颇具脉络。基本
上小杰的课应该不会有教不好的情况发生ＸＤ上过小杰3.5门课觉得小杰的教学品质真的很有保障。
σ 评分方式(给分甜吗？是扎实分？)
根据syllabus：
Lecture problems: 10%
Homework: 15%
Case assignments: 20%
Final exam: 25%
Final project: 30%
Lecture problem就是每周的小作业，每周大概会需要从10来题中选两三题作答，有认真读完应该不会花太
多时间在上面，顶多有一两次可能比较复杂，但我觉得满简单的，不要乱写的话分数很好拿满。
Homework就是比较困难的Lecture problem，题目很活，颇吃观念，要读熟才不会写不出来，不过写完每次
的homework对于该次作业的范围（共有三次homework）都会有更清楚的了解。我自己每次homework大概都会
花6-8小时完成，出来的分数也都近百，除了第一次我有一题漏写ＸＤ所以应该也还算简单。
Case assignments有三次，这学期的做法是给一个固定的个案题目（这学期是做排班问题），每次的要求
都会应用到截至目前为止的课程内容，是经过精良设计的作业，比较麻烦一点，不过有认真上课、有跟组员
讨论或是遇到问题提出来问的话应该都写得出来。值得一提的是assignment 1是开课第一还第二周就出了，
我猜老师应该没有预期我们写出多有insight的报告，但一开始看到的话的确会有点却步，毕竟什么都还没
学就要做作业可能有些人会被吓退ＸＤ
（补充：Case assignment是团体作业，每组3-5人。）
Final Exam的话，由于今年因为疫情关系改为远端考试，所以出题方向跟之前不太一样。先前的考试比较注
重在计算上，我自己有刷一些考古，基本上lecture problem跟homework都有好好写的话考个8、90应该不难
，但今年考题风格大变ＸＤ观念考很重，几乎没有琐碎的计算，多半都是考某个方法或是理论背后的观念以
及为什么会这样，当然也会出情境题要你列出目标式跟限制式，但没有要算的部分。
Final project也是团体作业，每组6-8人，要选一个作业研究能做的题目写出完整的报告，并且提出具体的
解决方法。有人做排班规划问题、有人做Ubike的规划、有人做午餐选择障碍的解决方案，反正主题很多元
，但是老师说题目要足够重要，并且有足够高的动机去说服他这个题目是重要且值得做的。
笔者Lecture problem近满、homework拿个9x、Case assignment拿85/100左右，期末考6x，专案分数好像不
不错，最后拿Ａ，觉得算甜（因为不难拿分）但不凉（作业有点多）。
ρ 考题型式、作业方式
上面不小心写完了ＸＤ那给一些分数百分比好了。
每周的Lecture Problem的平均分数大约都落在4~6/10左右，三次homework的平均分别是77、85.9、58.5 /
100，三次Case assignment是79.7、95.8、99.4/100，期末考的平均是52.4，最高与最低分是86、15。
Homework的平均比我想得低一点，我以为会更高（？）期末考就跟我想的差不多，因为真的有点难，但也有
可能是我太废，呜呜。
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…)
需要有微积分跟线性代数的基础，统计的话可能要一些初步的概念，不过因为只会在DP那边用到机率函数而
已，所以没有其实我觉得也没差。我自己是觉得线性代数观念好的话会比较吃香，因为满多地方都可以用线
代的观点去看，而且用线代去思考的话我觉得觉得会比较清楚。
加签全签，不过第一堂课有不计分小考让学生评估自己能不能负担这门课。
老师人很好～有上过小杰课应该就会知道老师的教学是很好的，而且课程设计也很有逻辑，基本上小杰的课
就是品质保证，而且有什么问题去问他都会清楚回答，真的痛哭流涕。
Ψ 总结
课程规划与教学上都不错，想知道最佳化以及最佳化的应用的话可以来修。但我自己是觉得课程内容有点太
简单，第一堂课老师有放历年的课程回馈，有人说很难他几乎每周都花超多时间在这门课上，我自己是觉得
不至于如此啦，不过作业有点多倒是真的。
感觉这门课比较像是作业研究入门，你会知道LP IP DP在干嘛，以及他能够用在什么地方（老师的讲义会有
个案举例我觉得很棒，能够知道这个算法能够真的被应用在哪里），但难度我真的觉得有点太简单（？）做
为大二以上的选修感觉可以再难一点，但也许现在的版本是老师调整过后觉得最平衡的状态吧。不过这门课
我修的很开心就是了哈哈，理论跟实务的应用都能学到，算是满充实的，之后应该也会再修凸函数最佳化跟
小杰的资讯经济或是平台策略之类的～
另外值得一提的是，这门课需虽然说不需要写code，就算要处理最佳化问题的话也有现成的处理OR问题的语
言（AMPL）可以处理，但我觉得会写python或c++再import gurobi（也是一个处理最佳化的套件）的话在处
理期末专案可能会比较好。不过ＡＭＰＬ满简单的，要整堂课都用ＡＭＰＬ处理也不是不行。
最后，因为这门课是英语授课，会有三校联盟的外籍生来修，会有跟外籍生同组的机会。跟外籍生同组的好
处是可以练英文跟了解外国文化，但这学期依我的观察，外籍生都很雷，至少他们在做事跟处理团体作业的
能力应该是远不如台湾学生，加上团体作业其实满麻烦的，所以要慎选组员，不过我自己是满喜欢跟外国人
聊天所以就还好，但要有负担比较多loading的心理准备。
技术总结：不喜欢作业研究的人可以不要修，喜欢的人可以修。