岗位背景 电梯调度是经典优化问题，涉及运筹学、机器学习、强化学习等多学科交叉。旨在利用机器学习和优化算法，提升电梯系统的运行效率、降低乘客等待时间、优化能耗，为智慧楼宇提供智能化解决方案。 岗位职责 一、算法研究与设计 1. 调度算法优化 - 研究电梯调度经典算法及其改进方案 - 设计基于规则启发式与机器学习相结合的混合调度策略 - 针对高峰时段、低峰时段、特殊场景设计差异化调度策略 2. 预测模型开发 - 构建乘客出行模式预测模型（楼层流量预测、高峰时段识别） - 开发电梯需求预测模型，实现提前调度 - 分析历史数据，挖掘电梯使用规律 二、模型训练与优化 3. 强化学习应用 - 设计电梯调度的强化学习框架（状态空间、动作空间、奖励函数） - 训练调度策略网络，优化多目标（等待时间、能耗、公平性） - 探索多智能体强化学习方法处理多电梯协同调度 三、工程落地支持 4. 算法实现与测试 - 将算法方案转化为可部署的代码实现 - 参与算法接口设计和系统集成 - 协助进行现场测试和数据采集 岗位要求 基本要求 教育背景 - 计算机、数学、自动化、运筹学等相关专业 - 硕士在读 - 每周实习至少3天，连续实习6个月以上 专业能力 - 扎实的数学基础（概率论、最优化理论、图论） - 熟悉机器学习、强化学习基本原理 - 了解运筹学、调度优化相关理论 编程能力 - 熟练掌握 Python，有良好的代码习惯 - 熟悉常用优化库 - 了解深度学习框架（PyTorch / TensorFlow） 学术能力 - 能够阅读英文论文并复现算法 - 有良好的文档撰写和总结能力 - 善于独立思考和解决问题 加分项 技术经验 - 有强化学习项目经验（DQN、PPO、A3C等） - 有运筹优化项目经验（整数规划、动态规划、元启发式算法） 项目经历 - 参与过算法比赛并获得名次（数学建模、Kaggle等）