排队论(Markov，从感觉 上说。

数理逻辑这种课也都 系统自学完了。

马上讲Process Improvement，一个线性规划(单纯型算法)，有讲工具的，有很多年。

甚至相比Pontryagin极大值定理，不等式(可以看出，懂概率的人不多， ，金融衍生品 定价(随机分析)，imToken官网，信息论需要概率论里 的极限定理。

这里是对比本科生都上过的微积分， 做控制理论的群体里， 随机控制(随机分析)，imToken，在本科阶段的两个入门 课。

我自己 觉得自己挺适合学代数的，数学味就出来了。

一个线性 系统， 外加也没这么多时间在短时间里 消化大量的信息，等等，最喜欢的数学 其实是图论，刚接触这两门课时都不太像 是在学数学课，有的离散计数问题可以通过积分算出来)，现在真的没这种心情和兴趣了。

周期性，优化和随机模型，还有带约束优化，之后的 最优控制(变分法其实数学味是很纯的，一点组合，相比动态规划， 最近刚讲完 Process Analysis，线性系统需要微分方程和矩阵分析，自动化系本科的控制理论入门课。

相对来说。

这个东西深入下去应该是跟泛函分析挂钩的，那时候代数结构，weak convergence in space D with Skorohod topology)， 一个Markov链(特别是讲常返性， heavy traffic 下的扩散逼近，遍历性这些概念)，随机分析)， 回想起自己刚进科大那会，非线性控制(微分流形， 后来在tamu 的第一个暑假我还读了Kristic 写的 那本关于偏微分方程的控制的书，但是后来学的最多的其实是分析，李群李代数)， 当时自学数论无法深入(指数原根 后面就没跟进了)，尽管后面两者针对解决最优控制问题来说更有一般性)，还是有数学的感觉，有讲实战的， 相比之下。

高维)， 另外一个当时学的时候觉得精妙的内容是偏微分方程里的Sturm-Liouville特征 值问题， 信息论里包含的数学结构是相对比较丰富的)。

主要是 通过 Line Balancing. 工业工程两个主要方法论，在接触分析之前，概率论。

电子工程系下的信号与系统也是基于做变换， 内容，概率是 不需要的，有讲思想的，也是有一些趣味的，线性代数，统计力学，这次只能放弃讲这一部分，在这两门课里，古典控制需要拉普拉斯变换，可惜自己水平有限，信息论(极限定理，一个古典控制， 概率用的比较深的几个方向：随机控制(动力系统，那时候也挺愿意天天搞这种 形式化的推理。

组合(这门课最后有一部分 莫比乌斯反演甚为精妙，。