运用遗传算法、神经进化等方法，解决低维&高维空间下的组合优化与多目标决策问题，兼顾效果与可解释性。
应用场景
- 营销资源分配优化：在预算有限条件下，最大化转化率或ROI（广告位、客户分层投放等）
- 供应链/库存优化：最小化库存成本 + 最大化订单满足率（常见于零售、制造业）
- 实验组合设计（AB Test 变量排列）：在实验组数限制下，选出覆盖最大信息增益的组合
- 路径/线路规划：如物流路径、校车/快递最优路线（TSP类问题）
- 人力调度与排班问题：例如在医院、客服、门店排班中满足班次规则与人力限制
部分项目经历
- 遗传进化算法策略开发 | 浅行私募 | 2021-2023
Link to original
自研 遗传算法因子挖掘框架，实现交易策略自动生成与回测部署，实盘收益达 95%，因具备可解释性和优化泛化能力，已广泛复用于多类模型与策略开发任务。
Link to original
- 神经进化算法研究与应用探索 | 浅行私募 | 2024
🌟🌟🌟 算法 最优化算法 解决一大类问题 量化交易 神经网络
Link to original探索 神经进化（Neuroevolution）在高维特征空间下的应用，结合 transformer架构构建适应度模型，基于 A100 集群实现大规模进化优化，为复杂策略搜索与结构优化任务提供了前沿方法储备。
Link to original