决策规划算法工程师

岗位职责
负责启发式算法、强化学习算法的研究、设计与优化，重点关注蚁群算法、Q learn算法等相关技术，结合业务场景落地算法解决方案，提升决策效率与准确性。
基于业务需求，搭建启发式算法、强化学习算法模型（含蚁群算法、Q learn算法相关模型），完成模型训练、调参、验证及迭代优化，解决路径规划、资源调度、智能决策等核心业务问题。
参与算法工程化落地，与工程团队协作，将启发式算法、强化学习算法模型（含蚁群算法、Q learn算法）转化为可上线的产品模块，保障算法性能、稳定性及可扩展性。
跟踪启发式算法、强化学习领域的前沿技术与研究成果，重点关注蚁群算法、Q learn算法相关进展，结合业务实际场景进行技术创新与落地，提升算法竞争力。 负责算法相关技术文档、设计文档、测试报告的编写与沉淀，梳理算法开发流程，推动团队算法开发规范的完善。
对接业务部门，深入理解业务决策需求，提供基于启发式算法、强化学习算法（含蚁群算法、Q learn算法）的技术支撑，推动算法在实际业务中的落地应用与效果复盘。
配合数据团队，完成算法所需数据的采集、清洗、特征工程处理，保障数据质量，支撑算法模型的优化迭代。
任职要求
学历与专业 本科及以上学历，计算机科学、软件工程、人工智能、应用数学、控制工程等相关专业，1-3年及以上决策算法、强化学习或启发式算法相关开发经验。
核心技能
熟悉启发式算法核心原理、实现逻辑及优化方法，掌握蚁群算法（ACO）相关技术，有独立设计、开发启发式算法并应用于实际业务场景（如路径规划、资源调度）的经验。
熟悉强化学习基础理论，掌握Q learn算法及SARSA等时序差分学习算法，能独立完成强化学习算法模型的构建、训练与调优。
具备扎实的编程基础，熟练使用Python/C++等编程语言，熟悉TensorFlow、PyTorch、Scikit-learn等算法框架，能高效实现算法模型。
熟悉启发式算法、强化学习相关领域知识，了解遗传算法、粒子群算法等其他启发式算法，能根据业务场景选择合适的算法方案。
具备良好的数学基础，掌握概率论、数理统计、线性代数、图论等相关知识，能支撑算法的理论分析与优化。
其他要求
具备较强的问题分析与解决能力，能快速定位算法模型中的问题，提出合理的优化方案，保障算法效果。 具备良好的沟通协调能力和团队协作精神，能高效对接业务与工程团队，推动算法落地。
有较强的学习能力和自驱力，关注蚁群算法、强化学习领域的新技术、新动态，能主动探索并应用于实际工作。
具备规范的代码编写习惯和文档撰写能力，能清晰梳理算法设计思路与开发流程。
优先条件
有启发式算法、强化学习算法在路径规划、智能调度、机器人控制等场景的落地经验，熟悉蚁群算法、Q learn算法相关应用者优先。
熟悉深度强化学习（DQN、DDPG等），能结合Q learn算法进行深度优化者优先。
参与过智能决策系统、路径规划系统等核心项目，并有算法主导开发经验者优先。 发表过蚁群算法、强化学习相关学术论文或拥有相关专利者优先。