1樓：
很久沒看這些書的資訊了。以前知道Stephen Boyd和Shreve，以及Marc Yor的書國內各大平台都有影印版，十分便宜。Intro to Linear Optimization, 說起來有些不厚道，我是在清華圖書館借的然後影印的。。。
如果想讀的話，不妨查查自家的圖書館，沒準能借到。至於DP的書，我是在美亞上買的新書，算是奢侈了一把，錢燒得肉疼。
另，若是說到概率論的話，這邊讀研的時候老師用Sheldon的First Course in Probability，但實話講，太過於簡單和基礎了，倒是習題挺多，做都做不完。學有餘力的話，可以試試鐘開萊先生的A course in probability theory. 這邊讀研究生時概率論教授說他讀研的時候就用的這本，很推薦我看。
在這邊的圖書館借來看過概率論基礎部分，蠻有收穫的。
在清華的時候也是看的胡運權的書，但其實真正能讓我運籌學知識能窺個門徑的，還是Bertsimas和Tsitsiklis的《Introduction to Linear Optimization》和Stephen Boyd《Convex Optimization》，認真讀完前者的前半部分和後者的所有章節，對優化這個問題的認識會大大清晰起來，聯同對空間的想象，與線性代數的聯絡和拓展都會有很大的提公升，直覺也能相應地慢慢建立起來。
如果運籌學其他方面要推薦的話，Bertsekas《Dynamic Programming and Optimal Control》是DP必看，分上下兩冊。更細分到Revenue Management的話可以看Van Ryzin《The theory and practice of revenue management》
隨機過程的話，Shreve的《布朗運動和隨機計算》，《金融隨機分析》是上佳，更進一步再看Marc Yor的《連續鞅和布朗運動》
其實自學的話，切記要選對教材。過來人的經驗，其實這些英文經典教材學起來反而比國內的教材輕鬆許多，因為邏輯脈絡清晰，講解得透徹並且前後聯絡得上，會不厭其煩地由淺及深，會有平易近人的符號系統（很多教科書真的是符號系統糟透了）。在這些方面，Stephen Boyd的《Convex Optimization》好到讓我簡直想哭。
我以前本科的時候經常過了半個學期，教材裡明明每一課似乎都看懂了，但腦子裡還是一團漿糊，這是很多目前大學教材的通病，其實根本不是學生的問題（比如那個浙大的藍皮概率論）。當靜下心來去啃這些經典教材的時候，慢慢地，會有一刻突然醍醐灌頂。為什麼？
因為邏輯捋順了，很多導致腦子一團漿糊所欠缺的拼圖找到了，很多之前教科書沒有講，沒細講的東西講通了，甚至乙個以為懂了實際沒懂的地方，看了幅示意圖，或者跟著書裡的例子過一遍，搞懂了。歸根結底，教材很重要，一上來就看經典的基礎教材，是會事半功倍的
2樓：臨曦以嵐
本著與國際接軌的原則
我們在英國讀書十年的老師，
機智地選擇了哈姆迪塔哈的
《運籌學導論》（基礎篇、提高篇）
她上課機智地用英文版，
大多數的我們機智地偷懶（省錢），
買了中文版。
我現在就在啃，
不知道是不是經典
因為好像在中文引擎裡找不到個人介紹 ∠( 」∠)＿
深度學習如何影響運籌學？
公孫金童 我持懷疑態度。機器學習包括深度學習本質上來說還是通過訓練集進行擬合和分類的工具，運籌學裡的組合優化問題很多都是NP hard，根據算例大小的不同，種類不同，問題評價函式不同，很難通過有限的訓練集來找到整個問題的 規律 將來更好的發展可能還需要相關理論上的突破。 Planet H12 未來的...
運籌學與最優化有什麼關係？
宇宙核桃仁兒 最優化感覺就是在乙個連續的空間內行走去找到那些極值點。一般需要一階導二階導的資訊,得出就是極值點的必要條件。比如拉格朗日乗子法就是必要條件推倒出來。牛頓擬牛頓法都是借助導數或者近似導數資訊搜尋方向。對於約束優化超出邊界的就要加非常大的權值。也可以想象在山坡行走,只不過範圍外的還要把山坡...
數學專業的運籌學難不難？
任濤 運籌學大多數內容不太難，尤其是涉及到演算法的內容，比較容易上手。總的來說，大體上有三個方向，連續優化 組合優化 隨機優化。每個方向都有一些比較難的內容，open的問題也還是有很多，尤其組合優化領域，到處都是NP問題。課程學習方面，稍微難一些的課程有凸分析 如果泛函分析或者實分析這類學的挺好就應...