优化方法

非常好的优化入门课，老师主要以介绍各类优化问题，以及对应的一些concept。最开始主要聚焦于TSP,背包问题等，引出Local Search,然后基于Local Searcch，讲了很多关于如何改进的问题，之后引入模拟退火算法等一些内容，关于Linear Programing讲的则不多，主要是讲了基础的概念，之后就让直接调包了。课程后半学期主要都在讲Multi-Object Optimization，夹杂了不少关于演化算法的私货（这是老师主要的研究方向），但总体都是以介绍为主，并没有特别难。

Lab课则是解决老师每节课后都会布置4-5道课程相关的问题，然后制作成PPT做Pre，课上做Pre会有额外加分，一般PPT会给两天时间（因为这学期Lab是周五，DDL是周日）。总体而言，老师更强调做Pre的能力，希望能像真正做一个学术汇报那样。这学期印象比较深的就是用模拟退火，不同的neighbourhood structure的Local Search去解决多限制的背包问题，对比算法效果，还有就是手写带动量的梯度下降，自己调调参看看效果。

这门课对代码要求能力不高，主要要求的是数学能力和英语听力，因为你需要花费大约三到四周习惯老师的日本口音。

最后期末考试不算难，平时认真上课的话，期末总评90应该问题不大，哦对了，这门课考勤抓得比较严，老师上课会有很多问题，需要在课程群发答案，助教会记录你的课堂表现。