猿急送>

北京其它兼职程序员

ID：329338

中国队长

算法工程师

公司信息：
中软国际

工作经验：
3年

兼职日薪：
1000元/8小时

兼职时间：
下班后
周六
周日

所在区域：
北京
海淀

技术能力

理论：
·了解深度学习、机器学习相关理论知识；
·熟悉、掌握运筹学相关知识；
·掌握相关启发式算法：遗传算法、邻域搜索、模拟退火、粒子群算法等；
·掌握相关精确求解算法：单纯性、分支定界、列生成等；
·具备良好数学能力；
·具备一定业务抽象、数学建模能力；
·掌握强化学习理论知识；
工程：
·了解linux系统；
·了解pytorch等深度学习框架；
·了解MySQL、Redis等数据库操作；
·熟练使用pycharm等开发工具；
·掌握启发式算法代码实现；
·掌握求解器实现代码规范；
·掌握强化学习相关代码实现能力；

项目经验

项目一（电动公交充电行为优化算法）
在节能减排的号召下，**集团大多公交已换为电动公交，对于电动公交而言充电费用是不容小觑的成本。而决定充电费用高低的原因可以概括为:公交什么时候进站、哪次进站需要充电、充多久电，以及全天不同时段的尖峰平谷电价。业务分析:只要决策了车辆的行为(发车时刻以及是否补电)，就能够控制充电费用。由此进行数学抽象:1、决策变量:公交发车时刻;2、优化目标:全部车辆补电费用;3、约束:a)公交运营时空约束、b)电量能够保证后续任务;4、优化求解算法改进遗传算法;5、充电时长以及耗电量预测:XGBoost 预测模型。开发完成后，使用算法优化结果进行运营，通过测算可以节省 12%左右的补电费用。
项目二（基于强化学习的机场特车保障算法）
在**机场，每天会有若干航班到达机场，停留一段时间后离开。在此停留时间内，会有特车对其进行保障，如何决策不同车辆在不同时间保障不同航班，是一个非常有趣的问题。我利用强化学习框架，对该问题进行了求解。具体为对地面车辆保障算法场景进行建模（调研论文，目前没有使用此方法解决该场景问题），并使用学界、工业界都较为领先的深度神经网络（Actor-Critic框架）拟合车辆的状态、动作，完全自主实现智能体类、环境类、交互过程、策略/价值迭代优化等难度较高程序模块，并最终实现理论预计效果；