岗位职责：
1. 核心算法研发:参与场内物流系统的路径规划算法（拓扑导航、A*、Dijkstra、RRT 等）、动态避障与多车协同算法的设计与实现。参与任务调度与资源分配算法的建模、编码与效果验证。
2. 运筹优化实践:参与库位布局优化、波次拣选策略、出入库节拍平衡等运筹优化问题的建模与求解;研究针对业务峰值、异常工况的算法鲁棒性设计与降级思路。
3. 系统对接与工程化:在团队规范下将算法模块封装为稳定服务，参与与上层 WMS / WCS / MES 及底层设备控制系统的联调;参与算法 SDK / 中间件的迭代，按规范编写接口文档与单元测试。
4. 仿真与验证:使用算法仿真平台，通过离线回放与数字孪生验证算法在大规模多车场景下的性能、冲突率与稳定性;参与关键指标（平均任务时长、空驶率、死锁率、准时率）的评估与持续跟踪。
5. 现场支持与成长:跟随导师参与算法在真实仓 / 厂环境的部署、调参与问题定位，积累端到端交付经验。
任职要求：

1. 学历与专业：硕士研究生及以上学历；计算机科学与技术、软件工程、自动化、控制科学与工程、机器人、应用数学、运筹学等相关专业。
2. 编程能力：扎实的数据结构与算法基础；熟悉 C++ 或 Python（至少其一能独立完成课程设计 / 项目级代码），了解 Linux 基本开发与调试。
3. 算法基础：掌握图论、最优化理论、概率统计等核心课程知识；在课程设计、竞赛、毕设或实习中，至少对路径规划 / 组合优化 / 调度理论之一有过实践。
4. 工程素养：了解 Git 版本管理、基本单元测试与代码规范，具备良好的学习与文档习惯。
  5. 业务理解：了解仓储 / 场内物流的基本业务流程（入库、上架、库存、拣选、出库、补货）及 WMS / WCS 的职责边界与数据流转。

加分项：
1. 有 深度学习、强化学习 相关的学习或项目经验（如多智能体强化学习、调度策略学习等）。
2. 使用过 运筹优化求解器（CPLEX、Gurobi、OR-Tools）或 启发式算法框架，并有实际建模求解经历。