不相信窍门，不相信捷径。因为未曾见过，哪里有什么高人和一点就通，做多只是忽悠人的大嘴巴。建模这件事，非常适合努力学习的人，因为经历和经验，远比所谓理论和聪明来得重要。如果说求解一个模型需要理论与技术，那么设计一个模型，更多需要艺术。当然，求解也未必不可以通过艺术搞定。这样的例子也许你没有，但是我这里有很多，一起喝茶吧。
我典型的不相信老师，因为我的所学多是源自学习，而非教导，因此我也更相信学习和保持学习的心态。更相信读书，读一本一本的书，老老的书，那些遥远的知识能够启迪人生和唤醒思考。
但是，有效的方法，依然来自教导。所以，找个高手做个例子讲点八卦，是我最提倡的入门之法，屡试屡爽。
建模的理论也罢艺术也罢，写起来、讲起来，很是艰涩。不信，你去看看教科书。但是，做起来，却可以会心。这种愉悦的过程并非都能享受到。其中的很多优美的东西，确实需要滴滴体验和点点感悟，用手、用眼、最后再用心。
那么，蕴含了哪些呢?哪些是那么基础，乃至于可以作为思考和实践的拐杖，指指点点。下面的七个例子，不妨做做体会。这里蕴含了很多类。线性的、整数、二值的;分派、组合、排序;线性，从非线性到线性的;逻辑，从逻辑到代数的。等等。简单的，不一定能够直接用于你面对的困难问题，但是却能唤起我的思考。送给你。
显然，以上的例子主要是LP和0/1 ILP。这是基本的，或者说从应用的角度来说，这些是或能通过相关求解器求解的，从而可以回避算法这个问题。从应用的角度来说，建模可能远比算法来得现实。
有些公式未必那么直观，理解的最简单的方式是造个例子试一试。当然，试的方式是通过LP和ILP/MILP求解器来做一做。如果你需要这些例子的程序代码，有两种途径，参加课程，或是发邮件索取。
这篇依然在“数据驱动优化”之下，然而这其中的内涵，却只是在讲授该讲义之时阐释，当视角聚焦于数据时，模型又将如何更加简单或不在简单
