我是OR ph.d. 选了和OR完全无关的infra组。大企业都会有一些优化问题，比如data center machine allocation, network planning, etc. 但这样的组比较少。
你提高的问题不太可能用Integer programming解。一是规模大。二是constraints and objectives应该会经常调整，这样没有一个固定的模型，一些先进的column generation, cutting planes都不能用。我觉得这个可能会是assignment problem with greedy heuristic居多。
是某个ride sharing公司的组，这个组做的是match每个城市的driver和passenger，用的是integer programming （类似于线性优化）来找出最合理的driver to passenger
配对，减少总共的等待时间，
听起来是一个有趣的组合优化问题。但不知道进入这个方向对以后的职业发展帮助大不大？有了组合优化项目经验之后，再跳槽的选择多不多
至于scaling，好像不是很大的scale，每个城市固定一台机器跑一个cron job，估计同时也就是几万个driver配对几万个乘客的数量级。
我是OR ph.d. 选了和OR完全无关的infra组。大企业都会有一些优化问题，比如data
center machine allocation, network planning, etc. 但这样的组比较少。
你提高的问题不太可能用Integer programming解。一是规模大。二是constraints and objectives应该会经常调整，这样没有一个固定的模型，一些先进的column
generation, cutting planes都不能用。我觉得这个可能会是assignment problem
with greedy heuristic居多。
看你的背景是什么。如果能轻松找到同一个公司别的组的工作，最好不选OR. 否则可以先进来，慢慢看看再说。
谢谢建议，确实team介绍的时候提到要用top k这样的heuristics来简化问题。
我了解了一下，似乎OR领域如果要做核心算法的话对个人背景要求比较高，而我作为马工generalist应该也只能做到周边的工作，solver/引擎都是别人写好了的。工业级别
的引擎应该不是一个简单的simplex算法吧。
而且这个领域已经很成熟了，即便做了核心算法，技术上有难度，但算不上热门方向。
这是我的理解和总结.
这是另一个帖子的讨论：http://www.mitbbs.com/article_t/Military/62580597.html
【 在 haidafu (海大富) 的大作中提到: 】
: 我是OR ph.d. 选了和OR完全无关的infra组。大企业都会有一些优化问题，比如data
: center machine allocation, network planning, etc. 但这样的组比较少。
: 你提高的问题不太可能用Integer programming解。一是规模大。二是constraints
and
: objectives应该会经常调整，这样没有一个固定的模型，一些先进的column
: generation, cutting planes都不能用。我觉得这个可能会是assignment problem
: with greedy heuristic居多。
: 看你的背景是什么。如果能轻松找到同一个公司别的组的工作，最好不选OR. 否则可以
: 先进来，慢慢看看再说。