昆士兰大学ENGG7302期中考试怎么复习？2026考点、优化方法与MATLAB速记

　　如果正在准备昆士兰大学(UQ)ENGG7302 Advanced Computational Techniques in Engineering 的2026 Semester 2期中考试，现在最值得投入时间的不是把整门课重新学一遍，而是把 Optimisation(优化) 这一部分的计算逻辑重新梳理一遍。根据UQ 2026 Semester 2官方Course Profile，ENGG7302期中考试安排在 2026年9月22日18:00，占课程总成绩 33%，考试时长90分钟，线下闭卷进行，内容覆盖Optimisation，并可能出现选择题、简答题和问题求解题。

　　这意味着复习时不能只背公式。真正容易丢分的地方，往往是“知道这个方法，却不知道什么时候用”“公式记住了，却在符号、区间或约束条件上出错”。如果目前做题速度明显跟不上，或者看得懂课堂例题、自己却无法完整写出过程，问题通常已经不是单纯的知识点遗漏，而是计算方法没有形成稳定的解题路径。

　　ENGG7302 2026期中考试考什么?

　　UQ官方Course Profile给出的信息非常明确：2026 Semester 2的In-semester exam覆盖 Optimisation，考试为90分钟闭卷考试，可能包含multiple-choice、short-answer和problem-solving题型，其中选择题占比低于50%。考试为线下纸笔考试，并且不允许使用生成式AI或机器翻译工具。

　　从课程安排看，ENGG7302在Semester 2的前6周主要学习Optimisation，时间为2026年7月27日至9月6日;第7周之后进入Linear Algebra，第12—13周再学习Stochastic Processes。也就是说，9月22日的期中考试在课程结构上正好对应前半段的Optimisation内容。

　　这里有一个容易被忽略的信息：期中考试不是整门ENGG7302的综合考试。

　　Linear Algebra和Stochastic Processes属于后续课程内容，UQ官方明确把它们放到了之后的学习阶段，而期中考试只覆盖Optimisation。对于正在复习的学生来说，这一点很重要，因为有限的复习时间应该优先投入已经进入考试范围的内容，而不是提前花大量时间刷后半学期的矩阵分解、Markov Chain等知识。

　　ENGG7302期中复习最应该抓哪几块?

　　从Optimisation的学习内容来看，一维优化和线性规划是目前复习时非常值得重点整理的两条主线。

　　一维优化主要考察如何在一个区间内寻找函数的最优点，复习时可以把 抛物线插值、黄金分割搜索、Newton方法以及MATLAB中的fminbnd 放在一起理解。

　　线性规划则更强调模型转换和求解，包括 目标函数、约束条件、单纯形法、图解法、MATLAB linprog，以及绝对值约束转化为Linear Programming。

　　这几种方法表面上都是“优化”，但做题时的思路完全不同。最容易出现的情况是学生看到一道题后直接套自己最熟悉的算法，结果方法本身没有错，题目却根本不适合这么做。

　　抛物线插值怎么快速判断?

　　抛物线插值的核心不是死记一个公式，而是理解三个点之间的关系。

　　常见的复习场景可以记成：

　　a < b < c

　　然后根据三个点对应的函数值判断当前区间中的最优点。

　　如果题目涉及最小化，需要特别注意函数值的大小关系;如果是最大化，判断逻辑则需要反过来。你提供的复习笔记里提到的“a

　　抛物线插值还有一个非常实际的计算风险：分母接近0时不要继续硬算。

　　如果插值公式中的denominator非常接近0，意味着当前几个点无法稳定确定一个有意义的抛物线顶点。继续代入计算不仅容易产生数值误差，也可能把后面的迭代全部带偏。

　　所以复习时建议把它记成一个操作规则：

　　抛物线插值：先检查分母，再判断新的估计点。

　　这比单纯背公式更有用。

　　黄金分割搜索最容易错在哪里?

　　黄金分割搜索的重点是区间更新。

　　黄金比例相关的数值可以直接记住：

　　r = (√5 − 1) / 2 ≈ 0.618

　　但考试真正容易丢分的地方不是0.618本身，而是区间到底保留哪一侧。

　　对于最小化问题，如果两个内部点的函数值比较后发现某一侧更有可能包含最优点，就需要按照对应规则缩小区间。题目如果改成最大化，判断方向也要跟着调整。

　　因此，不建议把“f(c)>f(d)就一定留哪边”机械背成脱离题型的公式。更稳妥的方法是先确认题目到底要求 maximum还是minimum，再根据函数值判断哪一段应该被舍弃。

　　考试中这种失分很可惜，因为学生往往已经算对了函数值，只在区间更新时写反了一步。

　　Newton法为什么不能只记一个公式?

　　ENGG7302涉及Newton方法时，一个非常重要的计算关系是：

　　x ← x − f′(x) / f″(x)

　　但真正需要记住的是：Newton方法在这里不是单纯求函数值，而是在寻找驻点。

　　因此可以把解题过程理解成：

　　先寻找满足

　　f′(x)=0

　　的点，再判断这个点到底是不是局部最小值。

　　如果目标是判断局部最小值，通常还需要检查：

　　f″(x*) > 0

　　如果f″(x*)<0，则对应的是局部最大值，而不是最小值。

　　这也是为什么只会套Newton迭代公式并不够。考试如果把最后一步的性质判断放进去，单纯把x算出来并不能保证完整得分。

　　对学生来说，一个很实用的检查习惯是：

　　Newton算出x*以后，不要立刻停笔，继续检查f′和f″。

　　如果家长发现孩子复习ENGG7302时一直在做这种“公式会写、答案也算出来，但最后不知道为什么错”的题目，不必马上判断孩子数学基础差。更值得观察的是，他是不是缺少最后的验证步骤。能够完成计算，却不会检查结果是否满足题目要求，是工程计算类课程中比较典型的问题。

　　fminbnd应该怎么和手算方法联系起来?

　　MATLAB中的fminbnd属于一维有界区间优化工具。

　　复习时不要把它单独当成一个MATLAB命令背下来，而应该把它与一维优化问题联系起来：给定一个区间，在这个范围内寻找函数的最小值。

　　如果题目要求使用MATLAB实现，可以重点检查几个部分：

　　函数是否定义正确;

　　搜索区间是否符合题目条件;

　　调用函数时输入参数是否正确;

　　最后得到的x和函数值分别代表什么。

　　一个常见错误是把“最优x”和“最优函数值”混在一起。MATLAB输出的两个结果在含义上并不相同，考试写解释时尤其需要注意。

　　Linear Programming为什么需要重点复习?

　　虽然2026年9月22日的ENGG7302期中考试官方范围是Optimisation，但Linear Programming属于优化知识体系中的重要组成部分。如果课程进度或老师提供的复习材料已经覆盖到相关内容，可以提前把模型建立逻辑整理好;但不要把后续Linear Algebra、Stochastic Processes的内容与期中考试官方范围混在一起。UQ官方Course Profile明确说明，本次In-semester exam覆盖Optimisation，而Final Exam才覆盖Linear Algebra和Stochastic Processes。

　　线性规划最重要的不是背“单纯形表长什么样”，而是从文字题建立数学模型。

　　例如题目出现：

　　available resources

　　capacity

　　maximum hours

　　budget limit

　　这类表达时，很多时候对应的是资源不能超过某个上限，也就是类似：

　　Ax ≤ b

　　如果目标是最大化：

　　max cᵀx

　　而MATLAB linprog 默认求解的是最小化问题，因此通常需要把目标函数转换为：

　　min −cᵀx

　　所以如果原题是：

　　max 4x₁ + 3x₂

　　在MATLAB中目标向量就可能写成：

　　f = −[4;3]

　　最后读取fval时，再注意它对应的是转换后的最小化目标值，原来的最大化结果需要取负。

　　这一点看起来很简单，但实际操作中非常容易因为“最大化变最小化”而把最终答案符号写反。

　　单纯形法怎么记才不容易乱?

　　如果需要复习Simplex Algorithm，可以把它压缩成几个判断动作，而不是背整张表。

　　线性规划中的“≤”约束通常通过加入松弛变量转换成等式，例如：

　　a₁x₁ + a₂x₂ ≤ b

　　可以写成：

　　a₁x₁ + a₂x₂ + s = b

　　其中：

　　s ≥ 0

　　进入变量的判断，需要结合当前单纯形表中的目标行;对于常见的最大化标准形式，可以记住“目标行最负者优先”的判断习惯。

　　确定进基变量以后，再通过正比值测试判断出基变量。

　　这里最容易犯的错误，是看到一个比值就直接选最小值，而没有确认分母是否为正。比值测试不是“随便找最小数字”，而是有条件的筛选过程。

　　图解法为什么适合用来检查答案?

　　如果线性规划只有两个决策变量，图解法非常直观。

　　把每一个约束画成边界线，再确定可行区域，最后检查可行域的顶点。

　　最关键的一步是：

　　把每一个候选顶点代入目标函数Z。

　　例如目标函数是：

　　Z = 4x₁ + 3x₂

　　不能因为某个顶点看起来“离右上角最近”就直接认定它最优。真正决定答案的是目标函数值。

　　对于正在准备考试的学生来说，图解法还有一个额外价值：它可以作为代数求解结果的交叉验证。如果单纯形法或MATLAB算出来的结果与图解法明显不一致，就应该回头检查约束条件和目标函数，而不是直接怀疑计算器。

　　linprog的几个参数一定要分清

　　如果复习MATLAB中的linprog，建议把参数按照“约束类型”分类记。

　　不等式约束：

　　Ax ≤ b

　　写入：

　　A 和 b

　　等式约束：

　　Aeq x = beq

　　写入：

　　Aeq 和 beq

　　变量上下界：

　　lb ≤ x ≤ ub

　　对应lb和ub。

　　因此可以直接记成：

　　A/b管不等式，Aeq/beq管等式。

　　这比单纯记函数调用格式更不容易混淆。

　　一个非常典型的错误是把等式约束塞进A和b。代码可能仍然能够运行，但模型已经不是题目要求的那个模型。

　　绝对值约束怎么转成Linear Programming?

　　如果题目出现绝对值变量，例如：

　　|x|

　　一个常见的线性规划转换方式是把变量拆成正负部分：

　　x = u − v

　　并要求：

　　u ≥ 0，v ≥ 0

　　于是：

　　|x| = u + v

　　这样原来的绝对值表达式就可以转换成线性形式。

　　如果遇到：

　　|z| ≤ c

　　可以拆成两个线性不等式：

　　z ≤ c

　　以及

　　−z ≤ c

　　这类题的难点通常不在计算，而在于能不能识别“绝对值约束需要拆成两个方向”。

　　9月22日之前怎么安排ENGG7302复习?

　　从9月4日到9月22日还有18天。

　　这段时间并不适合每天平均分配给所有知识点。更有效的方式，是按照“会不会做题”来划分。

　　如果目前连基本公式都不熟，先集中整理一维优化中的抛物线插值、黄金分割和Newton方法，把每种方法的输入、计算过程、停止条件和结果验证写清楚。

　　如果公式已经熟悉，但做题速度慢，就开始计时训练。UQ官方给出的正式考试时长是 90分钟，并且还有 10分钟planning time。这种情况下，复习重点应该从“看懂例题”转向“限定时间完成一整道题”。

　　如果已经能够独立完成计算，可以把时间放到错误检查上：目标是最小还是最大、区间有没有更新反、f″符号有没有判断、linprog的最大化有没有取负、Aeq/beq有没有写错。

　　这几个地方往往比再背一遍定义更值得花时间。

　　家长怎么判断孩子是真的没学会，还是只是考试准备不足?

　　如果家长不了解ENGG7302的具体内容，很容易把孩子说的“优化不会”“MATLAB不会”理解成整门课都跟不上。

　　其实可以观察几个非常具体的信号。

　　如果孩子能够解释为什么使用Newton法，也能说清楚为什么需要检查f″，只是计算过程中偶尔出错，这更像是计算熟练度不足，通常还有比较明确的补救空间。

　　如果孩子能够照着例题做，却无法判断一道新题应该使用黄金分割还是Newton方法，说明问题更偏向方法选择能力。

　　如果孩子连A/b与Aeq/beq分别对应什么约束都无法区分，或者不知道为什么最大化问题在linprog里需要转换目标函数，那么问题已经不仅是“粗心”，而是模型转换没有建立起来。

　　如果连续一两周都处于“听课能听懂、作业做不完、考试题完全不会下手”的状态，家长就应该认真关注了。这个阶段继续单纯增加刷题量未必有效，更重要的是确认孩子到底卡在数学基础、优化理论、MATLAB操作还是英文题目理解。

　　如果ENGG7302已经跟不上，需要专业辅导吗?

　　不一定。

　　如果只是两三个知识点不熟，而且能够独立完成大部分Tutorial，通常没有必要因为一次考试就马上寻找长期辅导。

　　如果已经出现连续几周无法完成Applied Class任务、不会独立建立优化模型、MATLAB代码只能照抄、做完题也不知道答案为什么成立，那么专业帮助的价值会明显提高。

　　选择课程辅导时，也不要只看“会不会数学”。ENGG7302是UQ的具体Module，课程本身涉及优化理论、工程问题和MATLAB实现，UQ官方也明确把“使用MATLAB实现高级优化、随机过程和线性代数方法”列为课程目标之一。

　　因此真正需要看的，是导师是否能够对应到 UQ + ENGG7302 + Optimisation + MATLAB 这一层，而不是简单找一个“数学老师”。

　　如果选择机构，可以重点确认四件事：导师是否有工程、计算数学或相关专业背景;是否真正接触过ENGG7302这类课程;能否根据当前Course Profile和学生的Lecture/Tutorial材料调整教学;以及是否有持续的课程跟进，而不是考试前临时讲几道题。

　　以海马课堂为例，其课程辅导的导师匹配逻辑并不是只按照“大专业”匹配，而是会结合学生的院校、专业、具体Course Code和课程材料进行匹配。对于ENGG7302这种具体到Module的课程，这一点比单纯看导师数量更有参考价值。

　　不过，任何导师规模数字都不能直接等同于“某一名导师一定适合ENGG7302”。真正判断匹配度，仍然应该落实到具体课程、知识点和Assessment经验上。

　　ENGG7302期中考试前最容易踩的几个坑

　　把官方考试范围和整门课程混在一起。

　　9月22日的In-semester exam官方明确覆盖Optimisation;Linear Algebra和Stochastic Processes属于后续课程内容。

　　只背公式，不练方法选择。

　　知道Newton公式，并不代表知道什么时候应该使用Newton;知道黄金分割，也不代表区间更新一定不会写反。

　　MATLAB代码能运行，就认为模型一定正确。

　　linprog能输出结果，并不能证明A、b、Aeq、beq全部设置正确。

　　忘记考试是闭卷。

　　UQ官方明确规定本次考试closed-book，且不得使用生成式AI或机器翻译。 因此复习阶段不能过度依赖代码自动生成或公式搜索，最终必须能够在没有外部工具帮助的情况下完成核心推导和计算。

　　把“会看答案”当成“会做题”。

　　如果拿到答案觉得每一步都懂，但合上答案后无法从第一步开始写，这种状态距离考试要求其实还有明显差距。

　　ENGG7302期中考试FAQ

　　Q：ENGG7302 2026 Semester 2期中考试是哪一天?

　　UQ官方Course Profile显示，ENGG7302 2026 Semester 2的In-semester exam安排在 2026年9月22日18:00，占课程总成绩33%。

　　Q：ENGG7302期中考试考多长时间?

　　正式考试时长为 90分钟，另外有10分钟planning time。考试为线下纸笔、闭卷形式。

　　Q：ENGG7302期中考试考Linear Algebra吗?

　　按照UQ当前2026 Semester 2官方Course Profile，9月22日的In-semester exam覆盖Optimisation。Linear Algebra安排在第7—11周，Stochastic Processes安排在第12—13周;Final Exam覆盖Linear Algebra和Stochastic Processes。

　　Q：ENGG7302考试可以使用ChatGPT或其他AI吗?

　　不能。UQ官方明确说明本次In-semester exam禁止使用生成式AI和Machine Translation。由于这是secure、identity-verified的线下考试，复习时应以课程材料和允许使用的考试资源为准。

　　Q：ENGG7302考试选择题多吗?

　　官方说明考试可能包含选择题、简答题和问题求解题，其中选择题少于考试总量的50%。因此不能按照“背知识点做选择题”的方式准备整场考试。

　　Q：ENGG7302最值得背哪些公式?

　　如果时间有限，可以优先保证一维优化和Linear Programming相关公式、判断条件真正理解。尤其是Newton迭代、黄金分割比例、抛物线插值的计算逻辑，以及LP中的约束转换和linprog参数对应关系。

　　但需要注意，本文中的“速记”是复习整理，不等于UQ发布的官方考试题目或官方考点预测。正式考试范围应以当学期Course Profile、课程团队发布的考试说明和教学材料为准。

　　Q：ENGG7302跟不上，什么时候需要考虑课程辅导?

　　如果只是个别知识点不会，可以先通过Office Hour、Applied Class、课程材料和同学讨论解决。UQ官方也建议遇到课程材料方面的困难及时向教学团队寻求帮助。

　　如果已经持续出现“看得懂但不会做”“无法独立建模”“MATLAB不会写”“考试题不知道从哪里开始”等情况，再考虑针对具体Course Code寻找专业课程辅导会更合理。

　　Q：ENGG7302找导师时应该重点看什么?

　　不要只看“数学能力”或者“工程背景”这两个宽泛指标。更值得确认的是导师是否匹配 UQ、ENGG7302、Optimisation、MATLAB以及具体Assessment要求。如果是机构服务，还应该进一步确认是否有具体Module匹配机制、导师筛选与教学管理、阶段性复盘以及课程进度跟进。