0

半饱半醉 2015-05-20 06:42 0 票支持; 0 票反对

终于把这门课过了，过了评论一下
这门课非常有意思，老师是个逗逼很风趣很牛X。课程形式也很独特，一开课就把所有的视频和作业都放出来，只要在课程结束之前完成就通过，学生可以根据自己的时间来安排学习进度。作业是5个 NP-Hard 优化问题，分别是背包问题、地图着色、TSP，后两个是比较接近实际的优化问题：机构设施选址和车辆路由。每个问题又有6个子部分，每个部分规模逐个增加，越来越难。每个部分0-10分，根据solution的质量评分，所有部分都拿到7或者至少3个10其他都是3就能获得证书，拿到满分是很困难的。有意思的是，这门课讲了3种优化方法：Constraint Programming、Local Search和Linear & Integer Programming，每种方法都能解决上述作业，各有优劣，学生可以按照自己熟悉的方法解题，满分的solution往往都是几种方法的混合。作业不限制编程语言和类库，只要能找到最优结果就行。作业还有排行榜，把大家的计算结果进行排行，有时候你吭哧吭哧优化了半天，自以为不错，但是发现和别人的差距超级大。

这门课的视频量和作业量都很大，每周大约十几个小时的编程，有时候我会思考一个作业好几天，很辛苦也很有乐趣，就像老师在视频里讲的：It's going to be a lot of fun and a lot of work, But a lot of fun。 所以过了这门课我还是很有成就感的。

课程的视频我已经备份下来，留作以后参考。[百度网盘](http://pan.baidu.com/s/1ntDWbX3)

4

wzyer 2013-08-20 15:23 4 票支持; 0 票反对

终于有时间来谈一谈离散优化这门课了。我一般不愿在某门课刚结束甚至是还没结束时就来谈论得失，因为只有经过时间的消化，才能让有价值的东西沉淀下来。但是离散优化这门课给我的体验之好，让我确信不需要多余的时间，我也能从中受益。

从第一周开始，这门课上课的方式就让我觉得意外：所有的视频，作业以及资料都完整的出现在课程页面上，没有明确的要求学生应该在哪一周完成哪些学习。如果你愿意，第一周就完成所有作业也完全是可行的——只要你有这个能力。如此自由化的学习对我而言完全是一种全新的体验，你面对的，只是几周的作业和几个专题的讲课视频。作业和视频并非一一对应，甚至也并非循序渐进。因此，很多人在第一周都会显得很迷茫，我也是如此，但之后的学习进程让我深深喜欢上了这种做法。

为什么我喜欢这种方法？因为我觉得这种方式契合了我们解决未知问题的过程。这门课的最终目标，是要解决5个NP问题。对于这样的难题，初学者很难一上来就有解决问题的思路。这时候，我们会怎么做？尝试！对，你需要一些解决这类问题的通用工具，然后拿着这些工具去不断尝试解决问题，在尝试的过程中，你自然就会知道哪些工具优势在哪里，缺点是什么。然后围绕着最终目标，选择最合适的解决办法。因此，我觉得这门课最有价值的一点就是鼓励你去尝试各种方法，然后从中获得一般的课堂讲授中无法获得的经验。也正是在这样一种实践的引领下，有同学甚至做出了让老师都赞叹的优化解。比如1000个节点的graph coloring问题，有人将最小颜色数压缩到了83（我只弄到了99）。对于这样的问题，如果所有同学都沿着老师设定的轨道走，很难设想会出现这么好的结果。

当然，基于这种学习方式，这门课的作业会显得有些偏难。由于都是NP问题，而且每个问题都有大规模的数据需要求解，想要全满分还是需要付出一些时间的。如果你真的是尝试了很多方法，小心翼翼的写代码以求运行效率，那么平均每周花费十几个小时的时间是合理的，而且代码量也绝对不会少。相反，如果你事先知道了哪个问题最适合用哪种方法，那其实也花不了多少时间，写不了多少代码，不过这样似乎解决问题的成就感就大大降低了。

这门课还有气死人不偿命的leader board。每当你精疲力尽打算收工的时候，看一眼leader board，看看自己的排名。顿时又有一种小宇宙要爆发的感觉了……

最后提一句，Pascal Van Hentenryck可是优化领域的大牛，很多有影响力的优化程序都有他的贡献。他本人不仅是墨尔本大学的教授，还是NICTA优化研究小组的老大。他在这门课里的讲解也非常风趣幽默，绝对能抓住你的眼球。是你不能错过的好老师。

1

ototsuyume 2013-07-01 22:28 1 票支持; 0 票反对

课没上完，不过开始了两个星期，可以给这个课程一个评价。
优点：老师讲课很有激情，内容很丰富，每个星期的作业都是一道np-complete的问题，要想拿满分十分有挑战性（但是对于参加ACM的高手来说这些题目应该不难）。
缺点：最大的确定是各个作业的解法分散在不同阶段的视频里，老师推荐看视频的顺序跟作业的阶段不太一致。
总的来说十分推荐想在算法上更进一部的同学去学，虽然这门课的介绍性质居多，但光是视频长度就是其他课程的两倍，压力还是有点大的