优化版块介绍
『运筹OR帷幄』优化版块主要关注优化领域的理论发展和行业案例应用，现有成员来自于国内外知名高校博士研究生。在这里，你将与学术伙伴们一起，对以下方面的学界论文和业界实践进行学习、讨论和解读：
优化算法理论：
经典优化算法代码复现：
经典的优化建模的案例：
当前优化领域研究的热点课题：
学习与解读材料来源于运筹学及优化相关学科的顶刊和顶会：
期刊包括但不限于：
Mathematical Programming、SIAM Journal on Optimization、Operations Research、Mathematics of Operations Research、Mathematical Programming Computation、INFORMS Journal on Computing、European Journal of Operational Research、Journal of Global Optimization、Journal of Optimization Theory and Applications等优化领域期刊。
Journal of Machine Learning Research、Automatica、IEEE Transactions on Control Systems Technology、IEEE Transactions on Automation Science and Engineering、IEEE Transactions on Automatic Control、IEEE Transactions on signal processing等和优化相关领域的期刊。
会议包括但不限于：NeurIPS、ICML、AAAI、CDC等。
招聘要求
负责人招聘要求
运筹优化、数学、控制、信号处理、计算机、管理科学等交叉学科的在读博士研究生、硕士研究生，业界同行
有良好的英文文献阅读、凝练、总结能力，并能积极与团队成员沟通探讨
带领组员撰写原创文章，完成每月1篇原创文章创作
有学术类公众号、知乎或博客运营经历者优先（若有欢迎在简历中附上以往推文或博客的代表作）
Track 1 负责人：混合整数规划
Track 1要求：熟悉以下数学模型和研究方法的一种或多种，发表过相关论文或在具体问题实践者优先：
研究方向：分支定界（Branch and Bound）, 切割平面法（Cutting plane），预处理方法（Presolve），原始启发式算法（Primal heuristic）, Benders分解（Benders decomposition）相关算法等。
Track 2 负责人：随机/鲁棒优化
Track 2要求：熟悉以下数学模型和研究方法的一种或多种，发表过相关论文或在具体问题实践者优先：
研究方向：随机优化（Stochastic Optimization）、样本平均近似方法（Sample Average Approximation）、鲁棒优化（Robust Optimization）、分布式鲁棒优化（Distributionally Robust Optimization）、两阶段自适应分布式鲁棒优化（Two stage Adaptivbe Distributionally Robust Optimization)、数据驱动决策（Data Driven Decision Making）等。
责编招聘要求
运筹优化、数学、控制、信号处理、计算机、管理科学等交叉学科的在读博士研究生、硕士研究生、本科生，业界同行
有良好的英文文献阅读、凝练、总结能力，并能积极与团队成员沟通探讨
有代码实现
Track 3 责编：学习与优化
Track 3要求：熟悉以下数学模型和研究方法的一种或多种，发表过相关论文或在具体问题实践者优先：
研究方向：多臂老虎机（Multi-Armed Bandit），贝叶斯优化（Bayesian Optimization）， 随机优化（Stochastic Optimization），高斯过程回归（Gaussian Precess Regression）, 生成模型（Generative Model），基于树的机器学习方法（Tree Based Machine Learning Algorithms），机器学习中的优化理论（Optimization in Machine Learning），可微分编程（Differentiable programming）等。
Track 4 责编：优化算法
Track 3要求：熟悉以下数学模型和研究方法的一种或多种，发表过相关论文或在具体问题实践者优先：
研究方向：流形优化（Manifold Optimization），凸/非凸优化（Convex / Nonconvex Optimization）, 光滑/非光滑优化（Smooth / Nonsmooth Optimization）， 随机优化（Stochastic Optimization），抽样算法（Sampling Algorithms），鞍点问题（Saddle-Point Problem），变分不等式（Variational inequality），非精确算法（Inexact Algorithms），加速算法（e.g., Nesterov Acceleration, Anderson Acceleration）等。
优化版块以往TOP推文：
连续优化：
学习优化：
岗位职责、产出目标与工作流程
1、岗位职责
定期（1-2个月一次）参与版块小组论文讨论，并进行论文解读原创文章撰写（模型与算法）。
能够独立或组队完成优化领域文章的理论基础与应用的原创推文
2、产出目标
长文解读：精读单篇论文并对文中的新模型或新方法展开解读，产出具有独特见解的长文解读
研究集锦：面向热点领域（热点问题、前沿方法）检索调研多篇文章，结合调研工作总结热点方向及现有方法
基础知识点解读及代码复现：梳理经典算法的理论基础，或者复现经典方法的算法实现。
参考：优化｜流形优化系列（一）
3、工作流程
每一篇文章都会在初稿完成后经过至少一位主编的审核再发布。基本工作流程为：探讨选定期刊文章或知识点 --> 确定解读人员并进行分工 --> 责编交流讨论，完成初稿 --> 版块副主编或主编审核并反馈修改意见 --> 公众号发布 --> 按篇发放稿酬（给予每篇原创推文300元稿费+高浏览量奖励）。
报名方式
请扫描二维码填写问卷
并在问卷中提交您的简历
微信公众号后台回复
加群：加入全球华人OR|AI|DS社区硕博微信学术群
资料：免费获得大量运筹学相关学习资料
人才库：加入运筹精英人才库，获得独家职位推荐
电子书：免费获取平台小编独家创作的优化理论、运筹实践和数据科学电子书，持续更新中ing...
加入我们：加入「运筹OR帷幄」，参与内容创作平台运营
知识星球：加入「运筹OR帷幄」数据算法社区，免费参与每周「领读计划」、「行业inTalk」、「OR会客厅」等直播活动，与数百位签约大V进行在线交流
文章须知
微信编辑：疑疑
关注我们
FOLLOW US
