作業研究的持續改善

下學年要教我喜歡的作業研究。依照往例，再一次更新之前的版本。

第一學期，考慮確定的環境和有限資源下，使用最佳化 (optimization)，以最大化 (例如利潤) 或最小化目標  (例如成本)。第二學期，準備教不確定性環境下，如何分析、最佳化和做決策 (控制)。

本課程強調完整的應用流程，從問題的定義和動機、數學的建模、演算法的概念和分析、利用 Python 呼叫軟體、到結果評估和解讀，以幫助同學們學會完整的應用與開發步驟。透過管理學、工程學、機器學習的實例，說明其應用，並且提高學習動機。

就問題而言，加了MAE minimization in machine learning、stable matching (得到經濟學諾貝爾獎)、(控制工程) LQR、MIP for deep learning、financial index fund、Nash 平衡點等等。希望工業系的同學，可以了解最佳化的廣泛應用。

軟體改用 Python 呼叫 Gurobi 或 CVXPY；也套用有趣的套件，例如 NetworkX。強調演算法複雜度的概念，例如延遲加權訂單數和 TSP 是 NP-complete，以及如何近似之。希望工業系的同學，了解演算法的基本概念，做為擔任軟體工程師的基礎。同學如果學會 Python，可以和資料科學、機器學習做整合，大幅增加職場競爭力。 

就理論而言，加了 unimodular 的概念。

當然，減少一些題材，例如複雜的手算步驟，網路模型的眾多特例，以免教材過多。