最佳化問題
學校教的最佳化問題與職場上的相當不同。
在學校裡求學時，最佳化問題在許多不同的課堂裡都出現過：最快的排序法、快取、最短路徑、最小等待時間、最大容錯率…。
這些最佳化問題往往：
理論很深
最佳化單一指標
是基礎知識
老實說，上述的知識，工作多年來，除了面試求職時容易用得上之外，我沒有覺得特別有用。少數特別有用的那回，其實我對圖學領域學得很淺，而我也只講了一句「要不要用 Bipartite Matching ？」而已。
另一方面，我在職場上開發軟體時，遭遇過的最佳化問題通常是：
不特別難，但是知識的廣度要夠。
要最佳化多個指標：正確性、機器執行效能、開發成本、日後的維護等
是綜合應用
用資料庫查詢 (Database Query) 常見的題目：Top n Per Group 為例子，這是一個職場上的最佳化問題。問題可參考下圖的圖示。比方說，「有某班級學生的考試成績資料，而我們想找出，國文、英文、數學、理化、社會、自然每個學科最高分的前三名學生。」這就是一個 Top n Per Group 問題。
首先，第一眼看來實在有夠簡單的，讀者可能看完了題目都還不明白，「這個怎麼可以算是一個題目，因為連大一新生都寫得出來？」
問題是…如果真的很暴力地『先寫 1 個查詢，把成績對學科分群；再寫 6 個查詢，對每個學科排序找前三名。』就立刻得到了 N+1 查詢問題。由於應用程式與資料庫之間的往往有 I/O ，參考下圖，機器的效能會極差，N+1 的解法通常是不行的。
我經過一些研究之後，學到了應用 SQL 窗口函數的解法，本來以為自己算是了解這個問題了。
不料，最近寫文章時，也順便了研究一下在 Datomic 資料庫裡，該如何寫出 Top n Per Group 。這才突然想通：「唉，窗口函數的解法很不直觀啊。要是 SQL 有辦法與 Datomic 一樣提供使用者免布署 (deploy-free) 就可以直接使用的『自訂聚合函數』(user-defined aggregate)，這題就簡單多了。」
總結
學校教的最佳化問題與職場上遇到的其實差異很大，是否在學校表現優秀的學生，也會自然而然地在職場上表現優秀呢？如果不是的話，那程式設計領域的招募、面試方式應該要對此做出回應，不是嗎？