MATH3171

线性与非线性优化

课程定位 MATH3171/5171 是数学与运筹学领域最具‘决策引擎’能力的进阶核心课。它解决了统治工业界的资源分配命题：当目标函数与约束条件变得极其复杂、甚至非线性时，如何找到全球最优解？它是通往高级物流架构师、金融投资组合优化专家、及 AI 训练优化器研发岗位的唯一数理灵魂通道。它将严密的单纯形算法、内点法与凸优化理论深度整合，是培养‘具备数学深度的算法架构师’的必修课。 技术栈与学习内容 课程围绕‘约束寻优的解析与数值方法’展开。核心内容包括：线性规划 (LP) 进阶、对偶理论的经济学解释、最具实战意义的‘敏感度分析 (Sensitivity Analysis)’——预测参数波动对最优解的影响。非线性部分涵盖：无约束优化的牛顿族算法、带约束优化的 KKT (Karush-Kuhn-Tucker) 条件推演、二次规划 (QP) 以及最具前沿挑战的‘单纯形算法的矩阵实现’。此外，课程重点研究了梯度投影法与惩罚函数。学生将学习如何利用 Python/Matlab 编写鲁棒的优化求解器。课程强调‘算法阶数、对偶间隙与计算鲁棒性的精细权衡’。 课程结构 10 周严密的逻辑构建。评估体系是标准的数学系高压模式：包含两次针对 KKT 条件推导与对偶变换的 Assignment、一个要求利用优化算法解决大规模物流或排班的项目、以及一场极其考验符号掌控能力、二阶判定及对偶价格判读能力的期末综合大考。该课极其强调‘证明的无瑕疵性’。 适合人群 数学专业大三、或打算从事高级机器学习、运筹管理的理工科生。必须具备扎实的 MATH2011 (多元微积分) 和线性代数基础。如果你想搞清楚‘为什么神经网络优化需要动量’、或者渴望在未来的智能电网调度中建立核心算法优势，这门课是你的神功。建议每周投入 15-20 小时进行逻辑推演。