1. 精通组合优化理论，熟悉 MIP、CP、SAT、Benders 分解、拉格朗日松弛、列生成、Dantzig-Wolfe 分解等精确优化方法；能够判断一个排程问题是否适合精确求解、规模上限、复杂度边界 2. 熟悉启发式 / 元启发式算法：遗传、模拟退火、禁忌搜索、变邻域搜索 VNS、迭代局部搜索等，理解算法收敛性、解质量、求解速度之间的权衡 3. 熟悉多目标优化理论，掌握 Pareto 优化、权重法、ε- 约束等，能够处理制造业多目标（交期、产能、换模成本、库存、设备负荷、能耗）冲突 4. 了解强化学习、仿真优化在调度领域的适用边界，不唯大模型，清楚 RL/AI 优化相比传统运筹优化的优缺点与适用场景； 5. 具备业务抽象能力：能把工厂复杂约束转化为规范数学模型（决策变量、目标函数、硬约束、软约束、惩罚项），区分刚性约束（工艺先后、设备独占）和柔性目标 6. 理解 NP 难问题特性，会做问题分解、分层计划（主计划 MRP / 粗产能 RCCP / 详细排程 DSP）、滚动时域优化、场景松弛策略，应对工业大规模场景（上千订单、上百设备、多工序）