你将负责这些核心工作

1. 参与自动化仓储系统中，订单分配、任务调度、路径规划等核心算法模块的设计、实现与优化。

2. 深入理解仓储作业流程，将复杂的调度问题（如订单-机器人匹配、任务序列优化、库存分配策略）抽象为精密的数学模型（如图论、网络流、整数规划等）。

3. 针对具体业务场景，应用或自研高效求解算法，包括但不限于精确算法（如使用CPLEX/Gurobi 等求解器）、启发式/元启发式算法（如遗传算法、模拟退火、禁忌搜索）以及高效的匹配算法。

4. 利用仿真环境，对算法效果进行全面的测试、验证和调优，通过数据分析持续迭代，提升系统整体效率和稳定性。

5. 与业务、软件工程师紧密合作，推动算法模型的工程化落地，并积极探索前沿运筹优化技术在智能物流领域的应用前景。

我们希望你具备这些条件

1. 专业与学历：硕士及以上学历优先；计算机、自动化、工业工程、应用数学、运筹学等相关专业背景。

2. 编程能力：至少熟练掌握一种主流编程语言（如 Python/C++/Java），并具备扎实的数据结构和算法基础（如链表、树、图、排序、搜索等）。

3. 运筹学基础：

 熟悉常见的运筹优化问题，如指派问题、运输问题、背包问题、车辆路径问题（VRP）等。

 深刻理解线性规划（LP）、整数规划（IP）、混合整数规划（MIP）等基本理论和建模方法。

 对图论算法、网络流、动态规划等有深入的理论知识和应用经验。

加分项

1. 有使用商业求解器（如 CPLEX, Gurobi）或开源求解器（如 SCIP, OR-Tools）解决实际问题的项目经验。

2. 具备启发式/元启发式算法（如禁忌搜索、遗传算法、模拟退火、大规模邻域搜索等）的设计与实现经验。

3. 熟悉物流、仓储、供应链或机器人调度领域，对相关业务有一定理解。

4. 在运筹优化、人工智能领域的国际顶级期刊或会议（如 INFORMS, TRB, ICRA, IROS, AAAI, NeurIPS 等）上发表过相关论文。

5. 在 ACM-ICPC、国际/国内数学建模竞赛、Kaggle 等算法或数据科学竞赛中取得过优异成绩。