Исследователь (КШ)

- Исследование и разработка алгоритмов
для мультиагентных оптимизационных задач;
- Решение задач планирования маршрутов,
распределения и назначения агентов, управления транспортными потоками;
- Разработка математических моделей, постановка
целевых функций и ограничений для сложных оптимизационных систем;
- Проектирование и реализация алгоритмов
централизованного и децентрализованного принятия решений;
- Проведение вычислительных экспериментов,
сравнение алгоритмов и анализ качества получаемых решений;
- Разработка прототипов и исследовательского
кода с последующей интеграцией наиболее успешных подходов в продуктовые системы;
- Работа с методами комбинаторной оптимизации,
математического программирования и эвристическими алгоритмами;
- Исследование применимости методов reinforcement learning и multi-agent reinforcement learning к задачам управления и оптимизации;
- Разработка и использование симуляционных
сред для проверки алгоритмов на различных сценариях и нагрузках;
- Анализ научных публикаций и современных
подходов в области оптимизации, multi-agent systems, routing и traffic control;
- Взаимодействие с инженерами и исследователями
при переносе алгоритмов из исследовательского прототипа в продукт.

- Высшее техническое или математическое
образование в области прикладной математики, компьютерных наук, физики или смежных направлений;
- Сильная математическая подготовка: дискретная
математика, теория графов, теория вероятностей, линейная алгебра, математическая оптимизация;
- Хорошее понимание алгоритмов и структур
данных;
- Практический опыт решения задач комбинаторной
оптимизации, например Vehicle Routing Problem, Traveling Salesman Problem, Assignment Problem, Multi-Agent Path Finding или близких задач;
- Уверенное владение Python и его научным стеком
NumPy, SciPy, pandas и аналогичными библиотеками;
- Опыт постановки вычислительных экспериментов,
анализа результатов и оценки алгоритмов по качеству решения, времени работы и масштабируемости;
- Опыт чтения и реализации алгоритмов из
научных статей;
- Английский язык на уровне, достаточном
для чтения научной и технической литературы.

Будет преимуществом:

- Опыт работы с симуляторами транспортных
или мультиагентных систем.;
- Знание основ reinforcement learning; опыт с multi-agent reinforcement learning.