1樓：Kent Zhang
在下是曾經的計算機學生，現在已經在軟體開發的路上苦行了超過15年，應該有點經歷可以回答這個問題。
在15年的前半段，基本上是做一些普通商用軟體開發，認為寫程式並不需要太高深的數學相關知識，相關的數學結構和演算法除外。但近年專注於APS專案開發，發現APS系統（或其它規劃相關的、用到求解器作來核心引擎的系統）中最重要的就是排程引擎（求解器），而這裡面主要涉及的技術就是運籌學。
那麼我們只是做軟體商用開發的，並不會涉及求解器的設計，是不是完全不需工運籌學呢?其實不然，在我們進行APS系統分析和設計時，了解一些運籌學的知識是非常有利的。例如在進行規劃相關的問題分析時我們需要優先考慮我們遇到的是乙個線性規劃問題，非線性規劃問題，還是約束優化問題，對問題有正確的分類與分析，才能地行準確的建模，從而更有效解決系統中的問題。
隨著對運籌學相關知識掌握得越多，越來越多以往認為軟體工程領域無法解決的問題，都可以以運籌學思維進行分析，最終還是能找到解決辦法的。
2樓：陳曉
雖然不是計算機系的，但感覺運籌用處很廣，很多問題都能轉化成最優化問題，而運籌基本就是在講最優化原理和方法。
舉個例子，在做手勢跟蹤時，經常要做點雲註冊，其實就可以定義各種能量，如matching, prior等等，然後把這些能量極小化，其實就是最優化問題。可以用經典的最優化演算法（如Gauss-Newton法或LM方法解非線性最小二乘）求解。再比如最大流問題也可以寫成運籌裡經典的線性規劃問題。
3樓：隨機漫步的傻瓜
現在火的不能再火的machine learning說到底就是最優化問題吧，給定約束條件，求目標函式，最簡單的例子，單變數的回歸方程就是求使殘差平方和最小的引數
4樓：Invisible man
各種機器學習演算法很重要的一部分就是轉化成優化問題。運籌學基礎的線性規劃起碼可以幫助學習svm轉化成dual problem那部分的原理，非線性規劃梯度下降作為入門幾乎無處不在，更深一步的概率統計也有助於將實際問題建模轉化成演算法。
5樓：
運籌學之前還有一門純數學課程叫《線性代數》，而《運籌學》則是線性代數的應用課程。又由於運籌學特別適合計算機計算，因此作為電腦科學專業的學生，這兩門課必修。
運籌學有什麼用？用處大了。隨便舉一些例子：
1、課程管理和課表自動排班。
2、導航線路計算。
3、絕大多數倉儲進出排班。
4、航空港口廊橋泊位的排班。
5、各種資源排隊演算法。
……可以說，只要有事務管理，就可以用到運籌學。當然，運籌學只需要掌握什麼線性規劃、動態規劃、排隊論、決策論等基本原理，注意這些都是抽象後的數學原理，真正的實際問題不是照書抄的，而是這些數學理論的實際應用。因此在對實際問題建立模型之後，還需要把模型具體化為實際的軟體架構和演算法。
計算機科班生學計算機組成原理的意義何在呢？
鶇鶇鵝 哈哈，意義大不大我不知道，我只知道他們很難學也很重要我的想法很簡單，既然改變不了規則那只能適應規則，學就完事了，如果對此感到枯燥，不妨像我一樣邊學邊輸出文章 具體可以訂閱專欄 如果你遇到難理解的知識點，多看看別人學習的文章相信也能讓你學的更輕鬆。 電子修理專業戶 這個問題讓我想到了龍芯的胡偉...
學計算機專業的學生有多少對計算機有興趣？
華工小姐姐 不能，這個專業學好要花大量的時間實踐，且對數學，邏輯，想象力和執行力要求特別高。要學好，很多時候靠頓悟 大量積累後打通任督二脈 不喜歡很難堅持。計算機是乙個看興趣和天賦的專業。 報考大學 哪些高校的計算機專業比較強？2020年計算機頂會頂刊高校發文數量或許是乙個重要指標。作為雙非大學的深...
計算機專業專公升本學生學計算機很吃力，是繼續考計算機的研究生，還是直接出去找本專業相關的工作呢？
淨琉璃 你能考上名校的研嗎？如果能，那就去考，否則就去找工作。考研更適合那種本就十分優秀，只是學歷這塊還有所欠缺的人。你專公升本學歷，學習計算機知識很吃力，就沒有必要再耗費大量的時間和精力去考研了。乙個非名校沒有什麼程式設計能力的研究生和乙個三年工作經驗的本科生相比，顯然後者更吃香。所以，建議你好好...