1. 核心算法开发: ○ 构建并优化高通量实验室自动化设备的任务排程与动态调度算法，优化实验流程效率与资源利用率； ○ 构建基于运筹学（如混合整数规划、动态规划）、元启发式算法（遗传算法、模拟退火）或强化学习的智能排程模型，解决多目标约束下的NP-hard问题； ○ 实现设施布局、库存管理、路径规划等问题的模型构建及算法优化。 2. 系统集成与优化: ○ 与软件及硬件团队协作，实现算法与自动化设备的低延迟通信与控制； ○ 设计仿真测试框架，验证算法在复杂场景下的鲁棒性与扩展性； ○ 推动算法部署上线，持续跟踪线上运行效果，并结合实际反馈完成多轮迭代优化。 3. 技术前瞻性研究： ○ 跟踪实验室自动化领域及工业调度领域的最新技术，推动算法创新； ○ 关注AI前沿动态，探究大模型+运筹领域的创新应用。

1. 教育背景：985/211或国际知名大学，运筹学/工业工程/应用数学等相关专业硕士及以上学历。 2. 技术能力： ○ 精通Python/C++等编程语言，熟悉掌握至少一种优化求解器； ○ 熟悉掌握各类运筹优化模型，具备较强的逻辑抽象与数学建模能力，能将业务问题转化为可计算的优化问题； ○ 具备大规模混合整数规划问题求解算法的能力，如精确算法（Column Generation、Benders Decomposition）、启发式算法（遗传算法、模拟退火）等； ○ 掌握数据库的使用。 3. 软性素质： ○ 对技术细节有极致追求，能独立攻克算法性能瓶颈（如降低计算复杂度、提升实时性）； ○ 良好的跨团队协作能力，能与业务部门高效沟通； ○ 对运筹优化算法在实际生产的应用有强烈兴趣。 4. 加分项： ○ 发表过运筹学相关期刊/会议论文； ○ 有资源分配、任务调度等实际落地项目经验者优先。