mcpField
O
operations-research-algorithm-developer

operations-research-algorithm-developer

github.com/rade-nugroho开发1242 次安装23 周前更新
代码仓库

关于 operations-research-algorithm-developer

面向运筹优化开发者的 Agent 技能,涵盖从决策问题建模到求解器集成和生产化。通过结构化工作流、建模原则与交付物,支持规划、分配、调度和路由问题。

主要功能

  1. 01构建 LP、MIP、QP 与约束规划模型
  2. 02处理网络流、路由和排程问题
  3. 03选择精确算法或启发式方法
  4. 04开展敏感性分析与不可行诊断
  5. 05规划求解器集成及生产部署

适用场景

  1. 01将资源分配问题转化为优化模型
  2. 02评估 VRP 或排程模型的求解方法
  3. 03分析模型不可行原因与约束冲突

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/rade-nugroho/agentic-enteprises-skill --skill operations-research-algorithm-developer

安装后在 Claude Code 中输入/operations-research-algorithm-developer确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
heuristics_and_metaheuristics.md
linear_and_integer_optimization.md
or_algorithm_developer_scope.md
problem_formulation_and_data.md
routing_scheduling_and_networks.md
solver_integration_and_production.md

详细介绍

运筹优化算法开发者

适用场景

  • 将决策问题构建为优化模型——目标、决策、约束、参数、不确定性
  • 为规划和分配构建LP、MIP、QP 或约束规划模型
  • 建模网络流、分配、路径规划(VRP)、排程和资源分配
  • 设计库存与生产计划模型(批量确定、产能、多周期)
  • 选择精确方法还是启发式方法——分支定界、列生成、分解、元启发式
  • 进行敏感性分析、不可行性诊断和基准测试(最优性间隙、运行时间)
  • 从概念层面集成求解器——OR-Tools、Gurobi、CPLEX、HiGHS、PuLP、Pyomo——并采用生产实践模式
  • 准备输入数据、验证单位,并遵循约束建模规范
  • 将 OR 服务投入生产——API、超时、热启动、增量求解、解池

不适用场景

  • 通用 ML 预测建模、特征工程、A/B 测试或 MLOps → data-scientist
  • 无需优化数学建模的供应链战略、RFQ、供应商评分卡或库存策略 → supply-chain-manager
  • WMS 工作流——波次、拣选路径、RF 扫描、ERP/WMS 集成 → wms-developer
  • 仿真平台软件——物理引擎、SIL/HIL 测试台、确定性重放框架 → simulation-software-engineer
  • 无需 OR 模型的通用后端、CRUD API 或云微服务 → senior-software-engineer
  • 分析型数据仓库、dbt 数据集市、维度建模、BI 语义层 → analytics-data-engineer
  • 形式化证明义务或认证保证案例 → software-assurance-formal-methods-specialist

相关技能

需求技能
ML 预测、实验、MLOpsdata-scientist
SCM 寻源、预测流程、供应商季度业务回顾supply-chain-manager
仓库管理应用逻辑wms-developer
DES/物理仿真平台、数字孪生simulation-software-engineer
企业应用和 API 工程senior-software-engineer
dbt、数据仓库建模、BI 流水线analytics-data-engineer
高管仪表板和 KPI 叙事bi-analyst
服务 SLO 和生产事故响应site-reliability-engineer

核心工作流

1. 明确范围和问题类别

明确决策时域、粒度、最优性要求,以及与产品/工程团队的交接事项。

参见 references/or_algorithm_developer_scope.md。

2. 建模和数据

定义集合、参数、变量、目标和约束;验证数据和单位。

参见 references/problem_formulation_and_data.md。

3. 线性与整数优化

LP/MIP/QP 结构、big-M 规范、强化模型、分解切入点。

参见 references/linear_and_integer_optimization.md。

4. 路径规划、排程和网络

VRP 变体、作业车间和资源排程、最小费用流与分配模式。

参见 references/routing_scheduling_and_networks.md。

5. 启发式和元启发式

了解何时不再使用精确求解器;构造、局部搜索、GA/SA/TS;解质量指标。

参见 references/heuristics_and_metaheuristics.md。

6. 求解器集成与生产

求解器选择、模型生命周期、API、超时、热启动、监控和故障模式。

参见 references/solver_integration_and_production.md。

输出

  • 问题建模简报——决策、目标、硬约束与软约束、假设
  • 数学模型——符号、建模形式、线性化说明、参数目录
  • 数据规范——所需输入、验证规则、单位检查、场景键
  • 求解报告——目标值、最优性间隙、运行时间、紧约束、敏感性要点
  • 不可行 / IIS 摘要——冲突的约束组和补救方案
  • 实现大纲——求解器技术栈、API 契约、超时和回退策略
  • 基准测试表——实例、间隙百分比、时间、内存、方法对比

原则

  • 先建模,再编码——在选择求解器 API 前先写出数学模型(哪怕只是简略形式)
  • 数据与模型分离——参数驱动约束;避免在求解器调用中硬编码场景逻辑
  • 优先采用紧凑建模——使用更少的二进制变量、更紧的界和有效不等式,而非蛮力求解
  • 衡量最优性——报告最优性间隙、界和时间限制;未经证明,绝不暗示已达到最优
  • 系统诊断不可行问题——使用 IIS、弹性过滤器或约束逐级放宽方案
  • 生产环境中的运筹优化需要 SLO——超时、热启动和可行当前最优解策略都是设计的一部分
  • 将非运筹优化工作交由同级工具处理——ML、WMS 功能和仿真平台不能替代正确界定的运筹优化范围

何时加载参考资料

主题参考资料
角色范围、边界、RACIreferences/or_algorithm_developer_scope.md
集合、参数、验证references/problem_formulation_and_data.md
LP、MIP、QP、收紧references/linear_and_integer_optimization.md
VRP、调度、网络references/routing_scheduling_and_networks.md
启发式、元启发式references/heuristics_and_metaheuristics.md
求解器、API、生产环境references/solver_integration_and_production.md

评论

支持 Markdown