中科院数学科学学院运筹学与控制论考博复习需构建"三维立体化"知识体系，建议从以下六个维度系统推进：

一、基础理论筑基阶段（建议3-4个月）

1. 核心教材精读

重点研读《运筹学》张盛开版（第5版）和《控制论基础》胡寿松版，建立"规划论-动态规划-组合优化-随机过程-控制理论"五大部分知识图谱。每日保持3小时理论推导训练，重点突破贝尔曼方程、Lyapunov函数、HJB方程等关键模型。

2. 专题突破策略

针对三大高频考点：

- 优化理论：重点掌握非凸优化、随机优化、鲁棒优化最新进展，关注《Mathematical Programming》近三年综述论文

- 控制理论：深入理解滑模控制、自适应控制、分布式控制算法，研读IEEE Transactions on Automatic Control近五年顶刊论文

- 智能算法：强化遗传算法、粒子群优化、元启发式算法的收敛性证明，建立算法改进思维框架

二、真题解构与建模训练（建议2个月）

1. 近十年真题分类统计（2013-2023）

发现三大命题规律：

- 算法设计题占比35%（年均4.2题）

- 控制系统稳定性分析题占比28%

- 运筹学模型构建题占比22%

- 新增交叉学科应用题占比15%

2. 模型构建方法论

建立"问题识别-约束建模-算法选择-数值验证"四步法，重点训练：

- 生产调度问题：多目标优化建模（考虑能耗、交期、成本三维约束）

- 供应链优化：随机规划与鲁棒优化混合模型

- 智能控制：基于深度强化学习的自适应控制架构

三、学术前沿衔接（贯穿全程）

1. 关注院士研究方向

- 王仁宏院士：智能优化算法与工业互联网融合

- 程伟院士：多智能体协同控制与博弈论

- 周志华院士：机器学习与运筹学交叉应用

2. 顶刊论文精读

每周精读2篇《Operations Research》《IEEE TC》论文，重点掌握：

- 算法收敛性证明技巧（如拟牛顿法全局收敛性）

- 控制系统数字孪生技术

- 疫情等突发事件的鲁棒优化模型

四、模拟考试与答辩预演（考前1个月）

1. 全真模拟方案

- 每周3套模拟卷（含2套跨校真题）

- 严格计时训练（控制理论题控制在120分钟内）

- 建立错题知识树，标注"算法理解偏差""数学证明漏洞""建模维度缺失"三类错误

2. 答辩应对策略

- 准备3套不同技术路线的解决方案（传统方法+改进算法+交叉创新）

- 制作知识关联思维导图（重点展示运筹学-控制论-人工智能的交叉点）

- 设计5分钟电梯演讲（突出创新点与学术价值）

五、备考资源整合

1. 参考书单：

- 《凸优化》Boyd（配套Jupyter Notebook）

- 《现代控制理论》Kailath（重点第8章）

- 《智能优化算法》黄立宏（含MATLAB代码）

2. 工具包建设：

- 运筹学：Gurobi/CPLEX建模环境

- 控制理论：MATLAB Simulink/SymPy

- 数据分析：Python+Scikit-learn

六、时间管理建议

采用"4321"时间分配法：

- 40%时间投入核心理论

- 30%用于专题突破与真题训练

- 20%进行模拟考试

- 10%关注学术前沿与论文写作

特别提醒：报考者需在开考前完成至少2个完整算法改进项目（如改进NSGA-II多目标优化算法），并形成可演示的MATLAB/Simulink代码。建议组建3人学习小组，每周进行算法对抗赛和论文互评，通过实践深化理论认知。最后阶段（考前2周）重点突破控制系统的能控能观性证明、优化问题的KKT条件应用等高频考点，确保基础题得分率超过90%。