面向复杂场景的多模态协同决策与动态调度
向动态复杂场景的多目标协同优化与智能决策
本方向以优化算法为核心技术引擎，聚焦智慧物流与低空经济两大国家战略领域中的路径检索难题，致力于突破传统静态规划的局限性，解决动态环境下的多约束、多目标优化问题。研究融合运筹学、人工智能与时空大数据技术，为物流系统降本增效、低空经济规模化应用提供理论支撑与创新解决方案，推动“算法创新-场景验证-产业落地”的全链条突破。
核心研究内容
1. 智慧物流多层级路径优化算法
动态需求驱动的智能检索框架：基于实时订单数据、交通流量与天气信息，构建混合整数规划（MIP）与元启发式算法（如NSGA-III、MOEA/D）融合的动态路径优化模型，实现仓储-转运-末端全链路分钟级响应。
异构运力协同调度：研发面向“无人机-无人车-骑手”混合运力系统的分布式协同优化算法，结合图神经网络（GNN）与约束满足技术（CSP），平衡时效性、能耗与成本（如双11高峰期万级订单的实时调度）。
绿色物流碳足迹优化：设计碳排放敏感的路径检索模型，集成新能源车辆续航约束与充电桩分布数据，开发基于帕累托前沿的多目标优化算法，助力“双碳”目标落地。
2. 低空经济无人机航路优化算法
三维空域冲突消解与航路规划：提出时空立方体建模下的混合整数线性规划（MILP）算法，结合冲突检测规则（如ICAO标准），实现城市低空密集区无人机的实时避障与航路动态调整。
复杂环境鲁棒性优化：针对山地、海岛等GNSS拒止场景，开发基于强化学习（RL）与贝叶斯优化的自适应路径检索算法，融合视觉SLAM与激光雷达数据，提升极端天气下的航线可靠性。
空域资源分配博弈模型：构建多智能体博弈论框架，设计基于Shapley值的公平性优化算法，实现低空空域资源的动态分配与效率最大化。
培养特色与优势
交通运输工程学生可深入物流系统优化与空域管理，物流工程学生聚焦智能调度算法与商业逻辑融合。
团队具备模型研究基础，为论文撰写提供基础。
寄语未来
攻克物流“最后一公里”成本居高不下、低空经济“航路拥堵”等行业级难题；
掌握“AI+运筹优化+边缘计算”的复合能力，成为智慧物流与低空经济领域的稀缺人才；
在真实产业场景中验证理论，推动学术成果与企业核心系统；