※ 本文是否可提供臺大同學轉作其他非營利用途？（須保留原作者 ID）
（是／否／其他條件）：是
哪一學年度修課：105-2
ψ 授課教師 (若為多人合授請寫開課教師，以方便收錄)
孔令傑
λ 開課系所與授課對象 (是否為必修或通識課 / 內容是否與某些背景相關)
資管系大二下必修
δ 課程大概內容
1. Linear Programming (LP)
(1) Introduction to Linear Programming
(2) The Simplex Method
(3) Applications of Linear Programming
(4) Linear Programming Duality
2. Integer Programming (IP)
(1) Integer Programming
(2) Applications of Integer Programming
3. Non-Linear Programming (NLP)
(1) Single-Variate NLP
(2) Multi-Variate NLP
(3) Algorithms for NLP
Extra:
(1) 第9周有一次Social Responsibility主題的應用
(2) 期末考(5/18)後有Self-teach
(3) AMPL教學，解LP和IP的程式工具。相關作業會用到。
Ω 私心推薦指數(以五分計) ★★★★★
5顆星 滿天飛~~
η 上課用書(影印講義或是指定教科書)
Introduction to Operations Research by Hillier and Lieberman
10th Edition, McGraw Hill
不過好像沒買課本也沒關係，投影片講解得很仔細。
μ 上課方式(投影片、團體討論、老師教學風格)
本課程採用「翻轉教室」，並以「英語教學」方式進行。每周都有大約1至2
小時的課程影片在家觀看，並有1~3題的Pre-Lecture Problem，寫完在上課
時繳交。上課時練習習題及討論，重視出席率。詳細作業將於作業方式中說
明。
σ 評分方式(給分甜嗎？是紮實分？)
學期初第一堂Quiz 0%
Pre-Lecture Problems(9次) 5%
Lecture Problems(9次) 15%
Homework(3次) 10%
Case Assignment(小組、2次) 20%
Final Exam 20%
Final Project(小組) 30%
Class Participation 5%(bonus)
ρ 考題型式、作業方式
1. Pre-Lecture Problems
每次觀看影片後，都要寫3題課堂前習題(只有1題計分)。但難度並不高，有難
度的題目會在課堂上講解。
2. Lecture Problems
上課時討論的習題。老師會先講解題目，然後3至4人進行討論，並將答案寫在
小白板給助教評分登記。一堂課大概會解8題左右。
3. Homework
一共三次，每次作業的時間大概為一周。作業多為熟悉課堂上的概念，並實際
操作解決LP(simplex method)、IP(branch and bound)、NLP(gradient/newton)
的步驟。以及如何將實際問題化成LP、IP、NLP的標準形式。此外，會練習如何
操作AMPL程式，這會是一個很有用的程式工具。
4. Case Assignment
最多4人一組，主要為情境題(供應貨物問題)。需要將問題化為指定數學形式，
並以AMPL來解出答案。也有一些開放式問答題。
5. Final Exam
考題和作業、課堂上的練習題難度相近，考試為「開書考」。
6. Final Project
最多9人一組，主要完成一個較大規模的題目，需要從定義問題、蒐集資料開始
，到數學模型、程式輔助解題、將結果視覺化等，需以中文或英文進行口頭報
告，也必須繳交書面報告。
ω 其它(是否注重出席率？如果為外系選修，需先有什麼基礎較好嗎？老師個性？
加簽習慣？嚴禁遲到等…)
我是外系來修這門課的，這門課主要是開給沒有「最佳化」相關知識基礎的同
學來上的。只要會高中程度矩陣、微分的知識應該就夠了。加簽應該會全加。
作業絕對要準時交，逾期不收喔。
Ψ 總結
這門課和「演算法」這門課有一點點相輔相成之處。把現實生活中的問題化為
數學模型、解決大規模的物流、設點問題等。此外，翻轉教學可以有效利用課
堂時間來討論習題，以及Case Assignment、Project實作，也是不錯之處。