决策与优化算法工程师-27届

岗位要求：1. 核心职责1) 生产调度优化 (APS)：解决晶圆厂复杂的混合整数规划 (MIP) 问题，研发高精度排程算法，最小化周期时间 (Cycle Time) 与在制品 (WIP)。2) 物流路径规划：设计 AGV/OHT 的多智能体路径规划与避障算法，解决动态环境下的交通拥堵与碰撞问题。3) 动态控制与强化学习：利用多智能体强化学习 (MARL) 技术，实现设备参数自适应调整 (APC) 及实时调度策略，应对产线波动。4) 组合优化攻坚：针对 NP-Hard 调度难题，研发高效启发式算法（遗传、模拟退火、列生成），平衡计算时间与求解质量。5) 仿真环境构建：搭建高保真产线仿真环境，用于调度策略与强化学习模型的训练、验证与压力测试。。2. 涵盖技术1) 运筹优化：MIP, 线性规划，列生成，启发式算法 (GA, SA, PSO)。2) 强化学习：DQN, PPO, SAC, Multi-Agent RL (MARL), 深度确定性策略梯度。3) 组合优化：VRP, JSP, 图搜索算法 (A*, Dijkstra)4) 仿真建模：离散事件仿真 (DES), Gym, Ray任职资格：1. 专业背景：运筹学、应用数学、控制工程、工业工程或计算机科学相关专业博士学位2. 技术能力：精通运筹优化算法及强化学习理论，在生产调度、物流规划或动态控制领域有深厚建模经验。熟悉主流求解器 (Gurobi, CPLEX, SCIP) 及多智能体系统。具备极强的数学抽象能力，能将复杂业务约束转化为数学规划问题。3. 编程能力：精通 Python，熟练使用 PyTorch 及优化求解器接口。具备 C++ 高性能计算或仿真系统开发能力者优先。4. 加分项：有半导体 APS/AGV 调度或复杂供应链优化项目经验。在运筹学顶刊 (Operations Research) 或 AI 顶会 (NeurIPS, ICML) 发表过论文。熟悉 SECS/GEM 协议及产线控制逻辑。