※ 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：
108-2
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)
資管系選修
δ 課程大概內容
根據syllabus依各週進度條列：
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 私心推薦指數(以五分計) ★★★★★
★★★★☆
η 上課用書(影印講義或是指定教科書)
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
管理科學：作業研究與電腦應用，陳文賢，陳靜枝
老師會提供講義，書我自己有找到電子書，偶爾有想看更仔細的地方會去翻，不過基本上不用買，老師的講
義已經夠清楚了。
μ 上課方式(投影片、團體討論、老師教學風格)
翻轉教室，上課前先看完當週影片後老師會在課堂上帶討論跟講解。不過這學期因為疫情的關係就取消實體
講課的部分，只要看完影片並完成pre-lecture problems就好，我覺得滿可惜的。
本堂課是英文授課，不過老師英文講得很清楚，開兩倍速也還是聽得懂，而且講義設計的也頗具脈絡。基本
上小傑的課應該不會有教不好的情況發生ＸＤ上過小傑3.5門課覺得小傑的教學品質真的很有保障。
σ 評分方式(給分甜嗎？是紮實分？)
根據syllabus：
Lecture problems: 10%
Homework: 15%
Case assignments: 20%
Final exam: 25%
Final project: 30%
Lecture problem就是每週的小作業，每週大概會需要從10來題中選兩三題作答，有認真讀完應該不會花太
多時間在上面，頂多有一兩次可能比較複雜，但我覺得滿簡單的，不要亂寫的話分數很好拿滿。
Homework就是比較困難的Lecture problem，題目很活，頗吃觀念，要讀熟才不會寫不出來，不過寫完每次
的homework對於該次作業的範圍（共有三次homework）都會有更清楚的了解。我自己每次homework大概都會
花6-8小時完成，出來的分數也都近百，除了第一次我有一題漏寫ＸＤ所以應該也還算簡單。
Case assignments有三次，這學期的做法是給一個固定的個案題目（這學期是做排班問題），每次的要求
都會應用到截至目前為止的課程內容，是經過精良設計的作業，比較麻煩一點，不過有認真上課、有跟組員
討論或是遇到問題提出來問的話應該都寫得出來。值得一提的是assignment 1是開課第一還第二週就出了，
我猜老師應該沒有預期我們寫出多有insight的報告，但一開始看到的話的確會有點卻步，畢竟什麼都還沒
學就要做作業可能有些人會被嚇退ＸＤ
（補充：Case assignment是團體作業，每組3-5人。）
Final Exam的話，由於今年因為疫情關係改為遠端考試，所以出題方向跟之前不太一樣。先前的考試比較注
重在計算上，我自己有刷一些考古，基本上lecture problem跟homework都有好好寫的話考個8、90應該不難
，但今年考題風格大變ＸＤ觀念考很重，幾乎沒有瑣碎的計算，多半都是考某個方法或是理論背後的觀念以
及為什麼會這樣，當然也會出情境題要你列出目標式跟限制式，但沒有要算的部分。
Final project也是團體作業，每組6-8人，要選一個作業研究能做的題目寫出完整的報告，並且提出具體的
解決方法。有人做排班規劃問題、有人做Ubike的規劃、有人做午餐選擇障礙的解決方案，反正主題很多元
，但是老師說題目要足夠重要，並且有足夠高的動機去說服他這個題目是重要且值得做的。
筆者Lecture problem近滿、homework拿個9x、Case assignment拿85/100左右，期末考6x，專案分數好像不
不錯，最後拿Ａ，覺得算甜（因為不難拿分）但不涼（作業有點多）。
ρ 考題型式、作業方式
上面不小心寫完了ＸＤ那給一些分數百分比好了。
每週的Lecture Problem的平均分數大約都落在4~6/10左右，三次homework的平均分別是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，最高與最低分是86、15。
Homework的平均比我想得低一點，我以為會更高（？）期末考就跟我想的差不多，因為真的有點難，但也有
可能是我太廢，嗚嗚。
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…)
需要有微積分跟線性代數的基礎，統計的話可能要一些初步的概念，不過因為只會在DP那邊用到機率函數而
已，所以沒有其實我覺得也沒差。我自己是覺得線性代數觀念好的話會比較吃香，因為滿多地方都可以用線
代的觀點去看，而且用線代去思考的話我覺得覺得會比較清楚。
加簽全簽，不過第一堂課有不計分小考讓學生評估自己能不能負擔這門課。
老師人很好～有上過小傑課應該就會知道老師的教學是很好的，而且課程設計也很有邏輯，基本上小傑的課
就是品質保證，而且有什麼問題去問他都會清楚回答，真的痛哭流涕。
Ψ 總結
課程規劃與教學上都不錯，想知道最佳化以及最佳化的應用的話可以來修。但我自己是覺得課程內容有點太
簡單，第一堂課老師有放歷年的課程回饋，有人說很難他幾乎每週都花超多時間在這門課上，我自己是覺得
不至於如此啦，不過作業有點多倒是真的。
感覺這門課比較像是作業研究入門，你會知道LP IP DP在幹嘛，以及他能夠用在什麼地方（老師的講義會有
個案舉例我覺得很棒，能夠知道這個算法能夠真的被應用在哪裡），但難度我真的覺得有點太簡單（？）做
為大二以上的選修感覺可以再難一點，但也許現在的版本是老師調整過後覺得最平衡的狀態吧。不過這門課
我修的很開心就是了哈哈，理論跟實務的應用都能學到，算是滿充實的，之後應該也會再修凸函數最佳化跟
小傑的資訊經濟或是平台策略之類的～
另外值得一提的是，這門課需雖然說不需要寫code，就算要處理最佳化問題的話也有現成的處理OR問題的語
言（AMPL）可以處理，但我覺得會寫python或c++再import gurobi（也是一個處理最佳化的套件）的話在處
理期末專案可能會比較好。不過ＡＭＰＬ滿簡單的，要整堂課都用ＡＭＰＬ處理也不是不行。
最後，因為這門課是英語授課，會有三校聯盟的外籍生來修，會有跟外籍生同組的機會。跟外籍生同組的好
處是可以練英文跟瞭解外國文化，但這學期依我的觀察，外籍生都很雷，至少他們在做事跟處理團體作業的
能力應該是遠不如台灣學生，加上團體作業其實滿麻煩的，所以要慎選組員，不過我自己是滿喜歡跟外國人
聊天所以就還好，但要有負擔比較多loading的心理準備。
技術總結：不喜歡作業研究的人可以不要修，喜歡的人可以修。