不擅長編程，有運籌學基礎，該怎麼學習智能演算法？

12-28

只看完了運籌，編程很弱，只會C語言。上手自學智能優化演算法時感覺難度有些大，不知道該怎麼入門比較好，求指點，謝謝

路過，也來順便水一下。
不知題主所指的智能演算法是哪種，也不清楚題主是處於大幾的情況。不好針對性回答，只能大致說下個人淺薄的觀點，僅供參考。
若是才大一大二，最簡單粗暴的方法就是報名參加比賽，類似數學建模，ACM等，能迅速將所看所學的理論知識在問題里結合跑一下，而且大量的閱讀文獻和搜集資料的訓練下來，會有一個基礎的了解。尤其是能結識一群一起搞演算法的夥伴，氛圍對於學習也是相當有益的。而且國賽美賽之類走一遍，人的心性會成長很多。當然，數學中國，人大經濟論壇之類，上面有很多經典演算法的資料。
我當初編程也一般，只剛學c，但是比賽時兩隊友不會編程，沒辦法就只能趕鴨子上架，也是一晚上學會了lingo，寫著寫著也寫了幾百行，Matlab也是，編程語言大都是相通的。還是需要環境有時逼一逼，雖然相較大神還是不能看的，但內心是明白自己在成長在進步，這樣過得相當愉悅。
其次，若是真心喜歡智能演算法，尤其是很火的機器學習，深度學習之類，題主也可以深造。可以先學會Python，這個比較好上手，而且目前機器學習這塊大都基於Python。題主正好有運籌學基礎，想來數學基礎應該不錯，可以找一些開源跑一跑，一些基礎經典的書，知乎上也都有推薦。一些基礎入門的教程，慕課網上也都有。
當然，要學會一個個入手，由淺入深。本人近期就在水比賽，渣碩傷不起啊，代碼寫的太爛，只能抱大神隊友大腿打醬油。然而內心是焦灼的，唯一的作用也就是一天到晚看paper，推了一疊演算法，然，寫代碼只能交給隊友。內心深處深深憂慮，這樣怎麼找工作，還是得代碼有一定訓練量的，雖然爛，也得練。不過演算法重在思想，相信就算以後不走這條路，也是受益一身的。
現在體味比較深的是，有一種越是了解越熱愛，這種深沉的熱愛，可以詮釋我對演算法的熱愛。
個人一言，僅供參考，有理可以給個贊(^_^)

謝邀，知乎處女答。
首先，「智能演算法」這個概念涵蓋的領域非常大，包括運籌學、機器學習、智能控制、圖像識別、智能機器人等。題主在學運籌學，應該是比較想學習運籌類的智能優化演算法吧。運籌學是一個底層的數學工具，在應用數學、管理科學、工業工程、計算機科學領域都有廣泛的應用。如果只是想了解一下運籌學的概念和基本方法的話，看一本運籌學的教材應該足矣。答主在大三上學期上的初級運籌學課程，基本都是看教材自學的，題主懂的。
然後，不清楚題主具體是從事哪個領域的研究。答主的博士研究方向是機器學習類的，可以就這一個點分享一下如何學習智能演算法。
第一，就編程語言的話，答主用的MATLAB，功能強大且編程相對簡單。因為答主在讀博士，課題獨立，重心在理論方法的研究，編程只是用來測試新idea的一個方式，而且對數學的要求比較高，所以我見過的我這個領域的大多數博士也都是用MATLAB作為編程平台。如果是公司的話，可能需要特定的編程平台，比如hadoop、python、C++、Java等。
第二，機器學習分三種：監督學習、非監督學習、強化學習。在監督學習/非監督學習領域，優化演算法應用在代價函數(目標函數)的最小化(最大化)這一環節，最基礎的就是梯度優化演算法。對於新手入門學習，答主比較推薦coursera上吳恩達的machine learning公開課，很好的一點是每一節課都會有編程作業，程序的框架都是編好的，學習者只需要在特定區域編出核心演算法即可。另外，強化學習本身就是一種優化學習演算法，基於馬爾科夫過程進行迭代而收斂到最優策略。最近很火的AlphaGo的核心之一就是深度強化學習。如果不是從事強化學習這一領域的研究的話，對於這種優化演算法只需要了解一下即可。基本了解上維基百科，如果需要具體了解，可以瀏覽一下R. Sutton的書《Reinforcement Learning: An Introduction》。
最後，智能優化演算法往往是一個數學工具，針對於具體領域會有具體的研究和方法。題主如果先確定好具體想從事的研究領域，再找點打靶，就會事半功倍的。祝題主學習順利！

答案還是建議學習下編程知識的，演算法思想學會了，但是實現起來還得考計算機，人不可能去手算的，那麼也就用到了編程的知識，不需要掌握的太深，基本的語法，函數，什麼選順序擇循環之類的懂了就行，當然能力強的話可以學習一些數據結構的知識，能夠很大程度上提高程序的質量，最直接的就是在達到相同效果下，程序跑的更快，，，，個人觀點哈