一些零零碎碎的运筹优化算法面经

要开奖了攒点RP，不算大佬，比不上这个岗offer拿到手软的佬，bg9硕，简历挂了很多次，大小公司加起来也面了很多场遇到的一些记忆比较深刻的问题，具体公司就先不说了，等秋招彻底结束了有空看看能不能整理下这个岗可以投的企业。

项目相关
运筹优化相关项目（竞赛，论文，项目）等是主要拷打内容，不管主管面还是业务面无一幸免，包括大部分八股也是从项目扩展问出去的，不仅要特别特别熟悉的自己的项目，更需要回头深度思考一下。熟悉的内容主要包括：业务背景，主要目标函数，主要约束条件，问题规模，如果是自己设计的算法，有什么创新点，性能怎么样，有没有和最优解比较过gap，如果是启发式算法，为什么会选取这个启发式算法，自己的模型和设计的算法会不会有什么缺陷，会不会有什么极端情况，如果是多目标优化是怎么取的。
这个印象最深的是一个公司的主管面，就一个项目聊了半个小时，问的非常细非常深入，而且经常伴随着各种讨论和假设，有没有什么实际情况，如果遇到的话约束条件怎么给，基本会问到彻底答不上来为止，后来聊天说，这都是实际业务会遇到的情况。

八股相关
建模技巧（线性化技巧，指标设计）+精确算法（分枝定界，分枝定价，列生成，benders分解，kkt条件）+启发式算法（模拟退火，遗传，蚁群，邻域搜索）+一点机器学习
基本都是基于项目问的八股，但是会随着对话问的越来越深入，比如建模技巧会问怎么处理均衡性这个指标，给出解答会问如果这样设置了会不会有什么极端情况，怎么处理。精确算法需要了解内部原理，还需要熟悉之间的区别和关系。启发式算法也要熟悉每个算法的常见场景。
除了这些经典的，遇到很多很广的问题，包括被问过常用求解器相关，被问过数据处理，这个其实不是很好准备，还是看平时积累了。
NP复杂性这些问的特别特别少，尤其是我有一篇论文方向就是关于这个问题的情况下，所以我感觉这个稍微过一下就行了。
另外我项目和论文基本都是运筹，所以问了一点机器学习，但是问的不算很多。

场景建模题
这个遇到过的都还蛮难的，很考验临场发挥。遇到过如何用最少的正方形覆盖不规则区域，优惠券发放问题，需要很快给出一个建模思路，说的时候要明确已知信息，目标函数，约束条件。

祝大家都能拿到自己的满意的offer啦，分享有一位HR和我说过的话：“面试的偶然因素非常之多，千万不要因此怀疑自己”。