为每一个成员创造主动发展的无限空间
研究方向
机器学习
智能优化
建模仿真
软件研发
机器学习

机器学习方向致力于研究和解决智能交通与智慧物流领域,特别是大型港口的机器学习和大数据分析理论及应用问题。本方向通过深度学习、集成学习、补丁学习和数理统计等方法和技术,研究物流生产领域中的需求预测和人体行为识别、港口设备故障监测与检测、系统故障预测与健康管理(PHM)、电商客户销量预测和推荐系统、集装箱码头能源预测、供应链风险识别和预测等应用场景中的分类识别、回归预测、关联分析、时序预测、信息融合、机器视觉(图像处理、目标检测、语义分割)等方面的问题。



智能优化

智能优化方向主要研究智慧港口和物流场景下的各类优化问题,包括集装箱码头“船舶-泊位-岸桥-集卡-场桥”全域的配载、配置和调度优化,干散货码头的一体化管控优化、车载网络物理系统信息感知和传输优化(VCPS)、无人机3D路径优化、配送车辆路径优化(VRP)、生产车间作业调度优化(JSP)等。求解方法涉及深度强化学习(DQN、PPO等)、多目标优化(NSGAII、MOEA/D等)、进化算法(遗传算法、蚁群算法、粒子群算法、鲸鱼优化算法等)、启发式算法等方面的研究。



建模仿真

建模仿真方向侧重研究如何建立复杂物流系统的模型和仿真并应用于工程实际问题的解决,特别为未来的物流和港口数字孪生系统奠定基础。研究问题包括港口和物流系统平面布置与装卸工艺的规划设计、港口系统仿真优化分析、多式联运系统建模仿真、物流生产作业流程和设备选型优化、码头设备Soliworks 3D建模与设计等。特别地,基于物流系统的数字孪生模型,可进行系统的分析、预测、诊断、训练等,并将仿真结果反馈给系统对象,从而帮助对系统对象进行优化和决策。



软件研发

软件研发方向主要涉及机器学习、深度学习、AI大模型、大数据分析与预测、AI算法加速与部署等工程化落地和实现方法的研究。本方向以Web技术开发和AI技术结合为主要特色,实际工程落地为实现目标,研发项目包括港口设备多源异构数据集成系统、港口机械设备故障智能诊断系统、物流冷链配送路径优化系统、计算机视觉检测系统、居民用电需求预测系统、3D数字化建模与数字孪生系统等多个企业级工程系统的应用研发。本方向致力于培养面向高精尖人工智能技术的软件研发工程师。