不相信竅門，不相信捷徑。因為未曾見過，哪里有什么高人和一點就通，做多只是忽悠人的大嘴巴。建模這件事，非常適合努力學習的人，因為經歷和經驗，遠比所謂理論和聰明來得重要。如果說求解一個模型需要理論與技術，那么設計一個模型，更多需要藝術。當然，求解也未必不可以通過藝術搞定。這樣的例子也許你沒有，但是我這里有很多，一起喝茶吧。
我典型的不相信老師，因為我的所學多是源自學習，而非教導，因此我也更相信學習和保持學習的心態。更相信讀書，讀一本一本的書，老老的書，那些遙遠的知識能夠啟迪人生和喚醒思考。
但是，有效的方法，依然來自教導。所以，找個高手做個例子講點八卦，是我最提倡的入門之法，屢試屢爽。
建模的理論也罷藝術也罷，寫起來、講起來，很是艱澀。不信，你去看看教科書。但是，做起來，卻可以會心。這種愉悅的過程并非都能享受到。其中的很多優美的東西，確實需要滴滴體驗和點點感悟，用手、用眼、最后再用心。
那么，蘊含了哪些呢?哪些是那么基礎，乃至于可以作為思考和實踐的拐杖，指指點點。下面的七個例子，不妨做做體會。這里蘊含了很多類。線性的、整數、二值的;分派、組合、排序;線性，從非線性到線性的;邏輯，從邏輯到代數的。等等。簡單的，不一定能夠直接用于你面對的困難問題，但是卻能喚起我的思考。送給你。
顯然，以上的例子主要是LP和0/1 ILP。這是基本的，或者說從應用的角度來說，這些是或能通過相關求解器求解的，從而可以回避算法這個問題。從應用的角度來說，建模可能遠比算法來得現實。
有些公式未必那么直觀，理解的最簡單的方式是造個例子試一試。當然，試的方式是通過LP和ILP/MILP求解器來做一做。如果你需要這些例子的程序代碼，有兩種途徑，參加課程，或是發郵件索取。
這篇依然在“數據驅動優化”之下，然而這其中的內涵，卻只是在講授該講義之時闡釋，當視角聚焦于數據時，模型又將如何更加簡單或不在簡單
