（一）整合知识架构提升课程内涵
开展课程思政实践探索，不仅是为了响应新时代的教育要求，更是提升课程内涵，实施课程改革的重要契机。本次运筹学课程的授课对象为中山大学“优中选优”信息工程实验班，学生普遍具有跨专业学科背景，基础知识扎实，学习主动性强，思维活跃的特点。结合授课对象的特点，对课程内容的整合主要体现在如下两个方面。
1. 以学生知识探究为导线设计教学大纲
运筹学是研究优化的科学，以往的运筹学课程和教材一般是先介绍线性规划，再拓展到运输问题、目标规划、整数规划等，而非线性规划则作为选讲内容。这符合由易到难、循序渐进的学习进程。但是这种处理一方面与大多数实际应用模型为非线性不符，另一方面割裂了运筹学与前述数学学科的知识脉络，使得学生在学习中习惯于被动的接收模块化知识，而失去了思考的兴趣，且没法体现前人研究思考的过程和科学思想。在运筹学解决问题的思维范式中，体现了两个重要的分析问题、化解复杂性的思想：1）将问题转化为一系列已有知识可解决的问题；2）寻找不复杂问题的特殊结构样式，如凸优化问题和二次规划都是非线性规划的简单情况，针对特殊结构问题，研究效率更高的算法。只有讲清这个逻辑，才可以使学生通过有限时间的学习，灵活针对实际问题掌握和选择模型、方法与工具，并形成优化思维和未来创新的潜力。
基于此，我们从授课对象出发，以学生知识探究为导向重构课程大纲，从学生已有的微积分中关于极值和条件极值知识出发，先介绍非线性规划数学模型和一般解法，再将问题特殊化，转入到线性规划，再逐步深入到目标规划、整数规划等。在教学中将问题探究贯穿于教学全过程，通过教师与学生、学生与学生间的有机互动，加强数学建模与优化决策等应用能力的培养，全面提升学生的系统优化思维和技术管理能力。
2. 以按需施教、紧贴前沿为标准组织教学内容
运筹学的核心是建模与优化，其分支众多，内容丰富，而授课时长有限，这就需要结合教学对象的专业需求，进行内容取舍、重点调整和教学模式手段的变换。运筹学优化模型来源于实际应用问题的抽象，在各个领域被广泛应用，它不仅在历史上的经济学领域大放异彩，它也是诸多智能系统和模型背后的数学原理，是人工智能的“引擎”。但现有国内教材中大量的案例集中在经济、商业、管理、运输等传统领域，极少量在数学、计算机方面，使得教学时缺乏智能时代特征。
为此，在具体教学内容组织上围绕模型、原理与算法三个方面重新规划。其一，在选用建模背景案例和应用案例时，扩展到飞机时刻调度问题、课程安排、机器人路径规划、地图导航算法、打车软件算法、压缩感知、支持向量机求解、完全信息动态博弈等问题，来增强课程的适应性和生命力，同时增加建模训练，加强解决问题能力的培养。其二，在优化原理讲解中，弱化复杂定理的推导，但强调算法背后的理论逻辑，日常训练中减少手工计算的比重，加大计算机求解所占比重，并结合各类建模竞赛等第二课堂活动进行练习和考核，立体化地促进课程教学效果。其三，在优化算法介绍中，除传统方法外，将智能优化和大数据优化融入教学模块。