AI算法工程师（运筹优化方向）

优缺点分析

角色解读

• 从初级算法工程师成长为运筹优化领域的资深专家或架构师
• 向AI技术管理岗发展，带领团队解决更复杂的零售供应链决策问题
• 深入业务，成为懂业务的技术专家，推动AI技术在零售全链路的落地
• 负责大数据平台的建设与优化，处理海量零售业务数据
• 运用运筹学、机器学习和强化学习技术，构建优化模型和求解算法，支持自动订货、路径规划等核心业务决策
• 跟进前沿算法技术，开发仿真程序以抽象和模拟供应链场景，并撰写技术文档
• 扎实的数学建模能力，精通运筹学、机器学习及强化学习算法理论
• 熟练掌握大数据处理技术栈（MaxComputer/Hadoop/Spark等）及Python/Shell编程
• 具备供应链领域仿真建模经验，熟悉TSP、VRP、选址等经典运筹优化问题

申请策略

• 提前了解大润发/欧尚的零售业务模式及供应链痛点，准备针对性的算法解决思路
• 在面试中展现将复杂业务问题抽象为数学模型的能力
• 突出在运筹优化（如TSP、VRP、排班等）或供应链仿真方面的实际项目经验及业务收益
• 展示对大数据组件（Hadoop/Spark等）的熟练使用及海量数据处理能力
• 强调数学建模能力以及在机器学习、强化学习领域的算法落地成果
• 深入学习供应链领域的经典运筹学理论及最新启发式算法
• 提升Python/C++等语言的工程化能力，熟悉仿真框架及大数据平台的底层原理

面试指南

• STAR法则：情境(Situation) -> 任务(Task) -> 行动(Action，重点讲建模和算法选择) -> 结果(Result，量化业务收益)
• 权衡分析框架：针对精度与时间的平衡，从算法复杂度、启发式规则、分布式计算等角度给出系统性解决方案
• 请详细描述一个你主导的运筹优化项目（如VRP或排班），你是如何建模并求解的？
• 在处理海量业务数据时，如何平衡算法的求解精度与计算时间？
• 如果业务场景发生变化，你的优化模型如何进行快速迭代和调整？
• 请谈谈你对强化学习在供应链动态决策中应用的理解
• 复习运筹学经典算法（如分支定界、动态规划、遗传算法等）及其在供应链场景的应用
• 了解大润发近期的数字化转型动态及零售供应链的核心痛点（如库存周转、履约成本）