数学优化算法实习生

职位来源于实习僧。

【职位描述】 参与工业智能排产与数学优化算法的研发，面向真实生产制造场景中的多产品、多产线、多约束排产问题，开展优化模型、求解器及算法策略的研究与调优。 实习生将参与实际工业排产优化项目，重点围绕混合整数规划（MIP）、组合优化及求解器性能优化开展工作，包括模型结构分析、求解参数调优、变量/分支策略设计、启发式策略以及历史方案利用等，推动优化算法在真实生产场景中的落地。 【岗位职责】 1.针对现有排产优化模型，分析模型规模、变量结构、约束结构以及求解过程中的性能瓶颈，定位影响求解效率的关键因素。 2.参与 Gurobi、HiGHS 等数学优化求解器的性能调优，包括求解参数、MIP Gap、Presolve、Cuts、Heuristics、Branching 等策略的实验与分析。 3.研究针对具体排产问题的求解加速方法，例如变量固定、启发式初始解（MIP Start）、历史解利用、搜索空间缩减、分阶段求解等。 4.针对大规模混合整数规划问题，研究模型 formulation 优化、变量设计、约束强化及对称性消除等方法，提升模型求解效率与解的质量。 5.设计并开展求解器对比实验，分析不同求解器、不同参数及不同算法策略在实际排产数据上的求解时间、最优性 Gap、目标值和稳定性表现。 【任职要求】 1.学历专业：数学、应用数学、运筹学、计算数学、工业工程、计算机、自动化等相关专业硕士在读或博士在读，研究方向为数学优化、运筹优化、组合优化、整数规划等方向优先。 2.算法能力： 1.了解线性规划、整数规划、混合整数规划（MILP/MIP）等基本概念，对数学优化有一定基础。 2.了解常见的优化求解方法，如 Branch-and-Bound、启发式搜索等，对求解器的基本工作原理有一定认识。 3.有使用 Gurobi、CPLEX、HiGHS、OR-Tools 等优化求解器的经验者优先，有相关课程、科研或项目经历均可。 4.具备一定的优化建模能力，能够理解变量、约束条件和目标函数，并根据实际问题进行简单的模型构建或修改。 5.对算法性能优化、求解效率提升等问题感兴趣，愿意学习并尝试不同的求解策略。 3.编程能力：熟练掌握Python；熟悉 Pyomo、PuLP、GurobiPy、OR-Tools 等优化建模工具中的至少一种；具备较好的代码阅读、调试和实验分析能力。 4.实习时长：可连续实习3个月及以上 **加分项**

• 有生产排产、车间调度、供应链优化、物流优化等工业优化项目经验；
• 有大规模 MILP/MIP 问题建模与求解经验；
• 有 Gurobi、CPLEX、HiGHS、SCIP 等求解器源码、算法机制或参数调优研究经验；
• 有 Branching、Cutting Plane、Heuristic、Decomposition、Column Generation 等优化算法研究经验；
• 有数学优化、运筹学、组合优化相关论文或科研项目经历；
• 有将历史方案、启发式算法或机器学习方法与数学优化求解结合的经验；
• 对大模型（LLM）与数学优化、智能体（Agent）结合方向感兴趣或有相关研究经验。 职位薪资： 150-180/天 想要了解更多，可以访问公司官网：http://www.znv.com