核心内容摘要
【收藏】让大模型学会翻文献：斯坦福团队用强化学习打造科学文献搜索代理，附完整代码与数据集
专注于交通物流与供应链领域的运筹优化研究与解决方案(设计源文件万字报告讲解)支持资料、图片参考_相关定制_文章底部可以扫码核心技能涵盖:供应链网络设计、设施选址、车辆路径优化等经典模型的构建与求解;精通数学规划、随机规划及分布式鲁棒优化等建模方法;熟练运用精确算法、元启发式算法及强化学习进行算法开发与编程实现。
可提供从研究选题、模型建立、算法编码到论文撰写的全流程支持致力于交付高质量、可复现的优化成果。
经典与混合优化模型:除车辆路径(VRP)、设施选址(FLP)、生产调度(JSP)等经典模型外还涵盖选址-路径问题(LRP)、库存-路径问题(IRP)及闭环供应链网络设计等集成模型。
针对不确定性熟练运用随机规划、鲁棒优化(含分布式鲁棒优化)及机会约束规划进行建模。
前沿算法与求解技术:精通分支定界、割平面等精确算法以及遗传算法、模拟退火、大规模邻域搜索等元启发式算法。
深入研究强化学习(RL)特别是用于动态决策的深度Q网络(DQN)、策略梯度方法并结合机器学习进行特征工程与预测优化。
仿真与系统分析方法:运用AnyLogistix、FlexSim等工具进行供应链建模仿真与策略验证。
掌握系统动力学分析复杂系统的反馈行为并利用复杂网络理论评估供应链网络结构与韧性。
数据分析与决策支持方法:擅长运用结构方程模型(SEM)验证理论假设与路径关系。
通过数据包络分析(DEA)评价物流效率并采用层次分析法(AHP)/熵权TOPSIS进行多准则决策评估。
熟练使用Python (Pandas, Scikit-learn,TensorFlow/PyTorch)、 MATLAB及