盲猜会有推荐线性规划相关的：
Introduction to Linear Optimization by Bertsimas.
Linear Optimizatio and Extensions: Theory and Algorithms by Shu-Cherng Fang(方述诚).
并且知乎上这两本书被推荐的足够多了，所以就不详细说这两本书了。
线性规划之后，自然的课程可能就是 数值优化和凸优化了。
我知道有的书有多个作者，出于方便我可能只写了一个作者，但没必要在评论区上纲上线。
【最优化：建模、算法与理论】文再文 等著
个人认为是数值优化课程最适合的入门教材了。直接了当切入核心，基本问题、算法、理论都有涉及但又不拘泥于细节使读者迷失方向。这是北大开的【大数据分析中算法】的配套教材，课程有视频可以在b站上找到，书的pdf搜 文再文 课程主页也可以找到。正如这课程和书名字所写的，机器学习问题的建模、算法与理论都讲到了，而且也强调建模出的问题怎么转化为经典的优化问题，比如转化为线性规划啥的。如果你之前有这方面的基础那看起这本书应该是酣畅淋漓。个人认为比Boyd的凸优化读起来舒服很多。
【线性锥优化导论】/【线性锥优化】方述诚、邢文训著
线性锥优化是线性规划最自然的推广，包括线性规划、二阶锥规划、半定规划等内容。这两本书其实内容差不多，第一本是清华数学系的研究生课程 数学规划Ⅱ的教材之一。从凸分析出发建立了完整的 Fenchel对偶理论，并将其应用到了线性锥优化问题中，并且花了极大的篇幅强调如何将模型转化为线性锥优化问题，并且用 二阶锥可表示 这种颇为数学化的方式来叙述。
值得一提的是，书强调了 并不是所有的凸优化问题都是可计算的 ，比如协正锥(co-positive cone)的判定就是个NP-Complete问题，更不要说一般的凸优化问题了。一些人可能看了点Boyd认为凸优化问题都可解（实际上Boyd的凸优化讲的问题都是可计算的线性锥优化问题），并不是这样的。
当然这书缺点也异常明显，写书人表达比较散漫，逻辑也很跳跃，为了书的理论深度和完备性极大牺牲了书的可读性，要不是我上过这门课我可能都没法读完这本书。
然后是一些可能不那么相关的书籍。
Algorithm Design by J.Kleinberg
【算法设计】这本书，也与普林斯顿的红宝书，算法导论并称为算法课程的三大圣经。但这本书我觉得是最推荐的一本，因为它非常强调算法设计的idea，而非算法本身和其实现，书很厚但是很容易读下来。后半部分也详细介绍了计算复杂性理论，进一步讲了随机算法、近似算法等专题，这些专题对于一个运筹学专业的学生来说是非常有必要的。
Lectures on Stochastic Programming: Model and Theory by Shapiro
最近读了一小部分的书，主要是看了关于 Sample Average Approximation 这个部分。由于很多问题其实都是和随机因素相关的，这就自然引出了随机规划问题，著名的代表就是报童问题。这本书作者应该也是数学专业出身，非常喜欢各种引用来给出定理的证明，什么泛函中心极限定理、一致强大数律都很平常。读起来比较困难。
顺带一提，Shapiro 2021年获得INFORMS Von Newmann Prize，运筹学领域的最高奖了
Fundamentals of Supply Chain Theory by Lawrence V. Snyder
很多同学看到供应链管理这个词可能都会比较懵逼，其实这本书包括了基本的库存理论、供应链中的几个著名的组合优化问题，还有一些供应链设计、合同、拍卖理论等内容，而且写的非常简单易懂。如果你对 Facility Location,TSP, VRP 等组合问题感兴趣，那么这本书很适合作为入手点，它介绍了精确解法、近似解，还有各种启发式算法并给出了相应的近似比的证明。
不过说到这本书，就不得不提另外两本著名的书
Logic of Logistics by David Simchi-Levi.
Foundations of Inventory Management by Zipkin.
都是库存管理还有物流相关的重要参考书，不过都写得很难懂，我也没怎么看过（寄。
