1-负责多工厂联合生产动态定价模型的开发以及技术披露(TD)申请以及多项深度学习技术在图像处理，时间序列预测和机器人领域的落地应用。
2-作为负责人以及接口人将内部研究成果(Master-Slave Decomposition Framework)应用到宝洁(P&G Singapore)的车队运营决策中。通过优化自有车队司机工作模式以及车队仓库协同，路径规划等痛点为宝洁每年节省百万美元成本。
3-搭建内部货量预测能力平台，综合机器学习、深度学习以及统计学模型，以及丰富的行业知识，针对各行业的库存，补货，调拨以及新品上市等业务提供预测分析的解决方案，并在多家 SME 企业落地。
4-搭建内部大规模实际问题优化平台，通过启发式和精确模型相结合，特殊问题定制化求解路径以及通用元启发式算法解决各行业所需的计划，规划以及排产等技术痛点并在宝洁，SingPost，MOH 等大型企业应用。

1-负责京东零售食品酒水多部门库存滞销清理，包括临期商品定价，退货以及促销策略。临期商品定价算法于2022年 7 月落地并进行线上实验，效果达到预期并获得绩效 A。
2-临期商品定价项目主要依据商品量价关系，库龄以及保质期制定促销策略，使用目的是最大化所有商品有效期内总销售收益。该算法在 spark 大数据平台上运行，并且为采销定义指标，提供数据分析等附加价值。
3-促销排期项目主要使用数学模型设计每个 SKU 的促销时间，目的是提升促销转化率。该模型覆盖秒杀，闪购等多种促销场景，并且将同属性 SKU 分组，避免每场闪购活动中存在过多同属性商品。

1-全权负责公司的智能调度项目（获得 D 轮融资）：解决整车运输中订单与运力匹配的问题，智能调度上线后为公司节省近千万成本。智能调度的核心是根据实际业务场景建立数学规划模型，然后调用求解器求解。这个模型的求解质量和效率对标过某家运筹优化科技公司设计的启发式算法以及清华大学工业工程系给出的模型，求解质量与清华一致，求解速度明显快于清华，同时求解质量高于某公司设计的启发式算法且求解速度也更快。智能调度作为公司的核心项目，现在已经平稳运行两年并且支持更多业务场景。
2-牵头业务背景了解到研发上线全流程，共经历 4 个月，包括前期数据处理，建立模型预处理与求解，测试边界条件以及与客户端对接等流程。
3-实际业务给出了多个优化目标，智能调度采用了分层处理的方式，明确各目标优先级以及损失度，为实现“顺路回家”, “货量限制”等功能提供算法支持。
4- 建立仿真系统，在孪生世界中评估各策略效果以及风险，为决策提供数据支持同时减少线上试错成本。目前成熟的仿真系统可以针对不同订单结构，车辆状态，司机请假等场景进行仿真。同时可以5-作为项目负责人带领多位算法同事，合理分配工作，同时注重前期数据处理以及预处理的效率以及模型建立与求解效率，共同完善智能调度算法。