优化算法专业主要学习以下内容：

计算机科学基础：

包括编程语言、数据结构、算法设计与分析等基础知识，这些是理解和实现优化算法的前提。

数学基础：

涉及离散数学、线性代数、微积分、概率论和统计学等，这些数学知识有助于理解和设计复杂的优化算法。

优化算法：

学习各种优化算法，如梯度下降法、牛顿法、拟牛顿法等，并了解它们的应用场景和优缺点。

机器学习和人工智能：

掌握机器学习、深度学习、自然语言处理等相关技术和算法，这些领域的知识和技能对于处理大量数据和设计高效的算法至关重要。

数据科学和数据分析：

学习数据收集、存储、处理和分析的技能，包括数据挖掘和数据可视化等，这些技能有助于优化算法的性能。

运筹学与优化：

研究如何通过数学建模和优化算法来解决实际问题，提供优化算法设计和应用的专业知识。

实际应用和项目实践：

通过参加项目实践、算法竞赛、线上社区等方式，锻炼解决实际问题的能力和沟通能力。

还可以选择以下相关专业的学习路径：

计算机科学：涵盖计算机编程、算法、数据结构、计算机系统、网络、人工智能和计算机理论等领域。

软件工程：侧重于软件开发的管理、方法和实践，也包含算法设计和优化算法的内容。

数据科学：关注数据挖掘、数据分析、统计学、机器学习和可视化等领域。

数学与应用数学：提供被算法研究所需的高级数学原理和概念，如线性代数、微积分和统计学等。

计算机科学与技术：学习计算机的理论基础知识以及编程技术，学生将学习到各种常用的算法和数据结构。

运筹学与优化：研究如何通过数学建模和优化算法来解决实际问题。

这些专业都提供了成为算法工程师所需的基本技能和知识，学生可以根据自己的兴趣和职业规划选择适合的专业进行深入学习。