如何成为一名合格的运筹优化算法工程师？

作为算法工程师里的一小撮，相比机器学习、人工智能、视觉等算法工程师，运筹优化算法工程师在国内算是又小众又新鲜。作为近几年才慢慢进入大众视野的岗位，人们对其的认知和了解相对其他AI领域，还是较少的。比如我，其实也不清楚到底运筹优化的定位在哪。所以在这里和自己探讨下，看看如何成为一名更好的、合格的运筹优化算法工程师，给自己一个方向。如果有人不怕被坑，欢迎参考，当然更欢迎拍砖和补充。

引言

运筹学（operations research, OR)是研究如何为复杂的工程或者管理问题构建数学模型，以及如何分析模型以探索可能解决方案的一门学科。

这是运筹学，OR的定义，简而言之，作为一名OR人，解决的问题通常是通过三个步骤对现有场景或问题进行优化。

1. 问题描述和建模
2. 模型分析和数据分析
3. 算法求解+应用
   所以这么一看，OR确实不如机器学习、深度学习、计算机视觉等学科那么高大上和牛逼，所以不推荐大家学习。因为工资比前者差很多，HC也差很多。（日常劝退）

基本要求

基本要求是要健康，能加班。
之后是具体的一些要求：

1. 学历:本科学历劝退，除非你特别优秀，不过这种就推荐去海外读个硕士或博士回来。企业的要求百分之90%以上都是硕士学历起。对博士十分热爱，而且竞争也很激烈，博士很多，海外名校博士也很多，所以学历不够要么劝退，要么改行，要么继续深造。
2. 专业：涉及运筹学的专业很多，包括并不限于应用数学，运筹学，计算机，工业工程，系统工程，物流工程，管理学等等。基本学习的课程包括运筹学，最优化理论，数值分析，线性代数，统计学，概率论，高数等等，对数学要求高。
3. 编程能力：最重要，语言常用的有C/C++,Java,Python,Lua等，推荐C/C++，因为快。Python的话建议一定要掌握，完成日常业务和数据分析没问题，但是在工程化追求极致速度的算法的场景下就不推荐了。
4. 建模和求解能力：cplex、gurobi等求解器必须会用一个，掌握建模三段论，熟悉基本的模型，能建初各种复杂约束，掌握常用线性化技巧。
5. 数据处理和分析能力：掌握基本数据分析和处理能力，通常用Python做，也就是说，基本的机器学习方法和统计学方法和流程要会，因为模型的输入数据需要你处理和分析。
6. 搜索能力：能在短时间内找到项目问题的相关资料和参考文献，筛选出有用的、好用的、靠谱的资料，然后复现，修改，比较，对比。
7. 英语能力：至关重要
8. 沟通能力
9. 理解能力和知识量

拓展需求

1. 丰富的项目经验
2. 发表过顶级期刊
3. 发表过垃圾期刊
4. 丰富的大厂经验
5. 高star的开源代码
6. 优秀的比赛成绩
7. 计算机专业背景
8. 算法与数据结构精通
9. 机器学习，强化学习，深度学习等

仿真验证

仿真真的很重要！
由于现实世界存在的不确定性、非线性模型、无法建模的问题、鲁棒性检验等，导致我们无法百分百确认效果。而如果能构建出一个与真实业务场景高度拟合的仿真世界，来测试我们的解决方案，简直完美。等于提前进行了中试的过程。而计算机仿真世界成本低，无危险，不干扰生产，可模拟各种参数情况，可运行无数次等等，给了我们打动领导和说服业务人员的最基本的武器。

• 仿真通常需要如下技能：

1. 离散事件仿真原理
2. 仿真的语言与框架，仿真软件就算了
3. 3D可视化
4. 数据输出和数据分析

常见的业务场景

传统运输领域

VRP 车辆路径问题

• 城市配送
• 快递配送
• 零担物流

PDP pickup and delivery problem 取送问题

• 外卖配送
• 同城闪送
• 跑腿
• 滴滴专车

DARP dial-a-ride problem

• 滴滴拼车
• 共享公交

share bike rebalance problem

• 共享单车调度
• 投放
• 停车点选址

TSP 旅行商问题

• 客户拜访
• 门店巡查

facilitity location problem 设施选址问题

• 门店选址
• 仓库选址

hub location problem 枢纽选址问题

• 轴辐式网络枢纽选址和分配

工业生产领域

2D/3D loading problem and bin packing problem 装箱问题

• 货物装箱
• 货物打包

cut stock 下料问题

• 原材料分割
• 磁盘打包

Job schedule，work shop

• 流水线生产调度
• 排班排产

航空领域

• ARP 航班恢复
• 航班计划
• crew assignment

仓库

• 选址
• layout 设计
• 货位分配
• agv，rgv调度
• 拣货调度的
• 库存控制和管理
• 补货管理

零售

dynamic price 动态定价

revenue management 收益管理

产品设计，广告管理

其他

常用的求解方法

枚举法 brute

求解器

• gurobi
• cplex

Construction Heuristics

column generation

拉格朗日乘子法

Benders decomposition

BP BCP

VNS

LNS/ALNS

三个维度

数据分析

找数据，辅助决策，指标

机器学习

预测，降低不确定性，发现规律

运筹优化

工具

Git

• 会使用git管理代码版本，实现备份、迭代与他人协作开发的能力
• 推荐廖雪峰老师的课程

SCI-hub

• 下载英文文献的神器，世界变得更美好的重要贡献者。
• 请点击SCIHUB

PPT

• 及其重要的工具，海量技巧值得玩味。

Markdown

• 方便快捷，一般用有道云笔记或印象笔记
• 本文也是用Markdown写的，可以自己在csdn用Markdown格式试着写一篇

Anaconda

• 解决python相关的需求

Notepad++

• 好用的文本编辑器

公众号

数据魔法师

• 华科的秦虎教授维护的，学习算法的良心地方

运筹&帷幄

• 里面有一些信息吧，运筹偏少，AI挺多的

苦逼的物流专业如何找一份好工作？

物流作为苦逼专业，如何才能在竞争激烈的社会中脱颖而出，拿到高薪高福利和广阔的发展前景呢？这个问题时常让我陷入烦恼，毕竟房价这么贵，要恰饭的啦。

2020届秋招实录

焦虑，到了找工作的时候。来记录下找工作的历程吧。
目标薪水 10K-15K，第一份正式工作还是去大厂吧，我这么菜不知道能找到工作不
志愿
菜鸟，顺丰科技，华为，网易考拉，小米，京东，苏宁，
便利蜂：待面试
美的IT：有内推，有联系，基本稳拿，不知道工资
福佑卡车：没有校招，之后投投
春秋航空：不知道招聘计划
快仓科技：未知

物流行业分析

物流行业里面，能支持我买房梦想的企业还真是不多，适合我们的坑就更少了，所以必须搜集足够多的信息，方便我们精准打击。

阿里巴巴

马云爸爸的淘宝王国，其实对国内物流网络的建设有着不可磨灭的功劳。毕竟在十多年前，寄一个包裹，可以慢，可以贵，可以不靠谱。现在却方便快捷到不行，旗下菜鸟也贡献了许多创新和实干，我们的物流体验越来越好。
旗下的，可以考虑的企业包括：

1. 菜鸟
2. 盒马鲜生
3. 饿了么
4. 阿里云
   当然，以上都是我不考虑的了，因为去不了，投个暑期实习都没过，所以就这样吧。博士，海归，C9应该是优先的吧，可以放心大胆得投递简历。

顺丰

顺丰作为国内快递业巨头，当然是咱们物流人最好的归宿之一。万幸，最近顺丰也在着力打造新物流体系，简直是全村的希望。

1. 顺丰科技
2. 顺丰同城
3. 丰巢

航空公司

1. 春秋航空
2. 四川航空

华为

滴滴

京东

1. 京东达达到家
   职责描述：

2. 深入研究派单、订单合并、路径规划等领域的算法问题，并从效率、公平性等多个维度对相关算法进行优化。

3. 基于海量数据挖掘业务中的真实需求和痛点。使用人工智能/机器学习/运筹学等手段，优化众包物流配送平台的成本和效率。

职位要求：

1. 计算机/数学/运筹学/经济学 等相关专业本科以上学历

2. 扎实的机器学习/数据挖掘或最优化理论基础，有相关领域的算法实践经验。

3. 熟悉一门常用的编程语言，如Java/C++/python等，有一定的工程能力。

4. 对算法有浓厚的兴趣，对世界充满好奇心

5. 自我驱动、结果导向，强烈的责任心。

6. 符合以下任一条件会有加分：

   • 熟悉VRP、TSP等路径规划问题和优化算法

   • 有数学建模的相关经验

   • 有强化学习的相关经验

四通一达

网易

岗位描述

1.负责考拉供应链相关运筹优化工作，包括但不限于仓网规划，调拨规划，仓内包材优化，生产波次优化、库存管理等等实际业务问题；

2.通过优化建模解决供应链实际问题，提升供应链效率，降低成本；

3.调研业内前言的优化问题解决方案，应用到考拉业务中，并持续进行优化。

岗位要求

1.计算机、应用数学、运筹学、工业工程、统计学或相关专业本科及以上学历；

2.熟悉运筹学领域的算法理论和应用，包括LP，DP，MIP，启发式算法，SA，GA等；

3.大型优化项目经验或者数学建模竞赛获奖经历优先；

4.较强编程能力，熟练掌握C、C++、JAVA、Python至少一门语言；

5.零售或供应链从业经历或项目经验优先；

6.有良好的沟通表达和团队合作能力，有激情。

新独角兽

美菜网

货拉拉

工作职责:
1.深入理解业务，研究订单分派、路径规划、智能调度、动态定价等领域的算法问题，并从效率、公平性等多个维度对相关算法进行优化。
2.基于海量数据挖掘业务场景中的真实需求和痛点，创新的利用机器学习/深度学习/运筹学手段，创建与实现解决实际问题的模型。应用领域包括但不限于反欺诈模型、图像识别、语音识别、NLP、知识图谱、风险控制、推荐系统。

任职资格:

1. 计算机/数学/统计学/运筹学等相关专业硕士或以上学历，有3年以上相关工作经验。有扎实的数据结构和算法基础，有较好的数学功底。
2. 精通机器学习、深度学习、最优化、运筹学相关理论，有相关领域的算法实践经验。
3. 编程基础扎实，熟悉使用一门常用的编程语言，包括但不限于：C/C++、Java、Python、Scala、Go。熟悉Linux开发环境。
4. 熟练掌握海量数据处理技术，有使用Hadoop/Hive/Spark分析海量数据的能力和经验。至少掌握一种常见的深度学习开源框架。
5. 关注业界前沿技术，洞悉人工智能国际会议研究动态，不断提升自己在机器学习、运筹优化、机制设计、数理统计等方向的能力。
6. 自我驱动、结果导向、强烈的责任心。
7. 符合以下任一条件会有加分：

• 熟悉VRP、TSP等路径规划问题和优化算法
• 有分布式机器学习、强化学习的相关经验
• 在人工智能相关顶级会议有论文发表者
• 编程能力杰出者

点我达

便利蜂

秒针系统

松果出行