研究
覆盖路径规划任务优化
NASA 与 Mosaic ATM 合作项目：用 Python 和 Gurobi 构建覆盖路径规划优化模型，在多设施场景下生成可行方案。
覆盖路径规划要解决的问题是：飞行器怎样安排航线，才能把指定的区域完整覆盖到。
在这个 NASA 与 Mosaic ATM 的合作项目里，我是核心开发者。我用 Python 和 Gurobi 求解器搭建了覆盖路径规划的优化模型，能在涉及多个设施的场景下生成可行的方案。
我做的部分
城市扫描路径生成：以一架小型垂直起降固定翼飞机为对象，我为它在城市环境中的扫描任务建模，自动生成能覆盖目标区域的扫描路径。
多航路点最快路径：城市里往往有多个需要依次经过的航路点，我求解飞机经过这些航路点的最快飞行路径。
验证与集成
为了知道模型在真实规模下到底靠不靠谱，我还开发了一套自动化测试框架，跑了 20 多种大规模场景，逐项统计可行率、目标函数值和运行耗时。在技术评审中，方案的采纳率超过 80%。
整个项目用 Bitbucket（和 GitHub 类似的代码托管平台）管理代码。代码的版本迭代由我主导，我开发的模块也是通过它集成进整体系统的。