Optimisation and operations research

This unit introduces some of the fundamental concepts and algorithms of mathematical optimisation. Optimisation underpins many parts of both data analytics (machine learning) and business analytics (management science/operations research). The concepts and approaches taught in this unit will be illustrated using examples from both types of analytics, such as training ML models and planning models arising in supply chain optimisation. The unit provides an introduction to the mathematics of continuous optimisation with focus on iterative gradient descent methods, linear programming and network optimisation. It covers both the underpinning theory, such as convergence analysis and duality, and the practical implementation of optimisation algorithms.

### 📊 课程难度与压力分析 MTH3330（Optimisation and operations research）属于 Monash 数学方向中高阶课程，学习压力通常来自抽象概念密度高、证明链条长、题型迁移要求高这三个方面。很多同学在前半学期能跟上定义和例题，但在中后期综合题里容易出现“会做局部、不成体系”的问题。建议从开学第一周建立固定训练节奏：每周一次概念框架整理、一次典型题型演练、一次错题复盘，持续把碎片知识组织成可复用的方法体系。 ### 🎯 备考重点与高分策略 高分关键是“结构化推理能力”。复习建议按三轮推进：第一轮夯实定义、定理前提与常见推理模板，保证基础题稳定；第二轮按专题强化（证明题、计算题、建模题、综合应用题），形成标准步骤；第三轮做限时模拟，重点训练在压力下保持表达完整与符号一致。对于证明题，先写命题结构和关键引理，再补细节；对于计算/建模题，先检查方法适用条件与边界假设，再展开求解。 ### 📚 学习建议与资源推荐 资料优先级建议为：讲义与 tutorial > 作业与往年题 > 外部教材/视频。每周保留 45-60 分钟做错误归因，把错误分为概念混淆、条件遗漏、步骤跳跃、计算疏漏、表达不清五类，并给每类错误配一条可执行修正动作。建议维护“概念卡片 + 题型模板 + 错题索引”三件套，长期看会显著提升课程稳定性。 ### ⚠️ 作业与考试避坑指南 常见失分点包括：符号定义不完整、逻辑跳步过多、忽略边界条件、只写结论不写推理、计算结果缺乏解释。建议按 D-7 / D-3 / D-1 节奏推进：D-7 完成主解法，D-3 做反例检查和表达优化，D-1 只做格式与口径核对。 ### ✅ 执行建议 每周固定一次 40 分钟限时训练和 20 分钟复盘，将“错误原因-修复动作-验证结果”记录为表格。持续执行 8-10 周后，MTH3330 的理解深度与成绩稳定性通常都会明显提升。