运筹优化算法工程师的从业情况和能力要求 期货操作员招聘要求高吗知乎

运筹优化算法工程师的从业人员远远少于其他方向的算法工程师，比如机器学习，CV，NLP，推荐系统等。这主要是因为，运筹岗对数学建模的能力要求比较高，而业界普遍存在，会编程的不太懂运筹建模，懂运筹建模的人又不太会编程的情况。相应的，运筹岗的入门门槛就显得相对高一些，学习曲线更陡峭一些。

下面结合我本人的理解，以及业内大厂的招聘要求和面试经验，谈一谈运筹优化算法工程师，具体需要具备哪些能力。

运筹优化的应用场景，涉及供应链，交通，物流，生产调度，电力等。以物流与供应链领域为例，仓库选址，库存控制，货位规划，路径规划，人员排班，车辆调度，以及动态定价，库存控制等，都需要运筹优化算法工程师去建模，并设计算法求解。

求解优化模型的算法，大致可以分为两类，启发式算法和精确解算法。启发式算法侧重于计算机编程能力，精确解算法侧重于数学建模和模型分解能力。

大体上看，启发式算法主要分两类，一类以邻域搜索为中心，比如模拟退火，禁忌搜索，迭代局部搜索，变邻域搜索，自适应大邻域搜索等算法。另一类是群智能算法，比如遗传算法，蚁群算法，粒子群算法等。启发式算法，说白了就是有方向的穷举法，在计算资源有限的情况下，算法工程师需要根据问题场景和模型特点，选择合理的邻域结构或操作机制，在全局搜索能力和局部搜索能力之间做权衡。

精确解算法，通常用于求解混合整数规划模型。从最简单的分支定界，割平面，到列生成，benders分解，拉格朗日松弛，到最难的分支定价。除了分支定界和割平面有比较通用的算法框架外，其他高阶一些的精确解算法，完全需要根据问题特点来构建模型分解模型，与其说是算法，不如说是建模技巧更合适。人们通常说精确解算法比启发式算法要难，这种难不是难在编程，而是难在建模和数学推导。大厂招聘运筹优化算法工程师，一般把启发式算法当做基础能力，精确解算法作为加分项。

此外，运筹优化的算法工程师，也需要懂些基础的机器学习算法。因为在构建优化模型时，常常会涉及数据清洗，预测，算例仿真与分析等环节，这就涉及到分类，回归，降维，聚类等常见的机器学习应用场景。类似支持向量机，决策树，朴素贝叶斯，BP神经网路，以及稍微复杂一些的随机森林，GBDT，XGboost等算法，最好能够有一定程度的理解和应用。

最后说一下编程语言方面的要求。建议运筹优化算法工程师，懂一门常见的编译性语言（比如C++/Java），还有一门脚本语言（一般要求使用python）。C++/Java运行速度比较快，适合用来编写启发式算法，而Python可以用来调用cplex，gurobi等求解器实现精确解算法，或者是调用sklearn，tensorflow等机器学习包，实现相关功能。

以上就是我关于运筹优化算法工程师分享的内容，欢迎大家留言补充～