基本信息
yl34511线路中心副研究员，校聘研究员，博士生导师，硕士生导师。于2022年在香港城市大学先进设计与系统工程系获博士学位，随后于中国科学院数学与系统科学研究院担任博士后研究员。2024年加入yl34511线路中心，入选yl34511线路中心“高端人才队伍建设计划”优秀人才项目。研究方向为城市交通运营管理和人工智能算法，主持国家自然科学基金青年项目1项、中国博后基金面上项目1项以及中国博士后国际交流计划引进项目1项。目前在国内外顶级学术期刊发表论文14篇，主要发表在《Transportation Research Part B: Methodological》、《IEEE Transactions on Intelligent Transportation Systems》、《Transportation Research Part C: Emerging Technologies》和《Transportation Research Part E: Logistics and Transportation Review》等交通领域顶级期刊上。担任《Transportation Research Part B/C/E》、《Automation in Construction》、《Expert Systems with Applications》、《Computers & Operations Research》等期刊审稿人。尊重科学，热爱知识，相信勤能补拙，欢迎志同道合的同学一起研讨。
教育及工作经历
2024年11月至今 yl34511线路中心，校聘研究员/博导/硕导
2022年10月至2024年10月 中国科学院数学与系统科学研究院，博士后
2022年03月至2022年07月 华为技术有限公司，高级工程师
2017年11月至2022年02月 香港城市大学，先进设计与系统工程，博士
2013年09月至2017年06月 西南交通大学交通运输与物流管理学院，物流管理，学士
研究方向
1. 城市轨道交通运输管理
2. 城市交通应急管理
3. 人工智能算法
科研项目
1. 国家自然科学基金委员会青年科学基金项目，不确定干扰下基于多智能体的城市轨道交通网络列车调度研究，批准号：72301274，2024年01月至2026年12月，主持；
2. 中国博士后科学基金会第73批博士后面上资助，复杂干扰下基于深度强化学习的城市轨道交通列车调度研究，批准号：2023M733688，2023年06月至2024年10月，主持；
3. 中国博士后科学基金会国际交流计划引进项目，复杂干扰场景下数据驱动的轨道交通重调度研究，批准号：YJ20220341，2022年10月至2024年10月，主持；
4. 国家自然科学基金委员会面上项目，考虑行动方案优先级与协同机理的铁路应急预案评估模型，批准号：71971182，2020年01月至2023年12月，参与；
5. 国家自然科学基金委员会青年科学基金项目，具有动态优先权的“虚拟养老院”资源优化配置研究，批准号：71801158，2019年01月至2021年12月，参与。
代表性研究成果
l Ying Cheng-Shuo, Chow Andy H.F.*, Yan Yi-Mo, Kuo Yong-Hong, Wang Shou-Yang. Adaptive rescheduling of rail transit services with short-turnings under disruptions via a multi-agent deep reinforcement learning approach[J]. Transportation Research Part B: Methodological, 2024, 188: 103067. (中科院1区, AJG 4星)
l Ying Cheng-Shuo, Chow Andy H.F.*, Nguyen Hoa T.M., Chin Kwai-Sang. Multi-agent deep reinforcement learning for adaptive coordinated metro service operations with flexible train composition[J]. Transportation Research Part B: Methodological 2022, 161: 36–59. (中科院1区, AJG 4星)
l Ying Cheng-Shuo, Chow Andy H.F.*, Wang Yi-Hui, Chin Kwai-Sang. Adaptive metro service schedule and train composition with a proximal policy optimization approach based on deep reinforcement learning[J]. IEEE Transactions on Intelligent Transportation Systems 2021, 23(7): 6895–6906. (中科院1区)
l Ying Cheng-Shuo, Chow Andy H.F.*, Chin Kwai-Sang. An actor-critic deep reinforcement learning approach for metro train scheduling with rolling stock circulation under stochastic demand[J]. Transportation Research Part B: Methodological 2020, 140: 210–235. (中科院1区, AJG 4星)
l Li Yan-Lai, Ying Cheng-Shuo*, Chin Kwai-Sang, Yang Hong-Tai, Xu Jie*. Third-party reverse logistics provider selection approach based on hybrids-information MCDM and cumulative prospect theory[J]. Journal of Cleaner Production 2018, 195: 573–584. (中科院1区, AJG 2星)
l Ying Cheng-Shuo, Li Yan-Lai*, Chin Kwai-Sang, Yang Hong-Tai, Xu Jie*. A new product development concept selection approach based on cumulative prospect theory and hybrid-information MADM[J]. Computers & Industrial Engineering 2018, 122: 251–261. (中科院2区, AJG 2星)
l Deng Yang, Yan Yi-Mo, Chow, Andy H.F., Zhou , Ying Cheng-Shuo, Kuo Yong-Hong. A proximal policy optimization approach for food delivery problem with reassignment due to order cancellation[J]. Expert Systems with Applications 2024, 258: 125045. (中科院1区, AJG 1星)
l Chow, Andy H.F., Li Guang-Yu, and Ying Cheng-Shuo. Adaptive scheduling of mixed bus services with flexible fleet size assignment under demand uncertainty[J]. Transportation Research Part C: Emerging Technologies 2024, 158: 104452. (中科院1区)
l Yan Yi-Mo, Deng Yang, Cui Song-Yi, Kuo Yong-Hong*, Chow Andy H.F., Ying Cheng-Shuo. A policy gradient approach to solving dynamic assignment problem for on-site service delivery[J]. Transportation Research Part E: Logistics and Transportation Review 2023, 178: 103260. (中科院1区, AJG 3星)
l Lin Mei-Yan, Ma Li-Jun*, Ying Cheng-Shuo. Matching daily home health-care demands with supply in service-sharing platforms[J]. Transportation Research Part E: Logistics and Transportation Review 2021, 145: 102177. (中科院1区, AJG 3星)
l Nguyen Hoa T.M., Chow Andy H.F.*, Ying Cheng-Shuo. Pareto routing and scheduling of dynamic urban rail transit services with multi-objective cross entropy method[J]. Transportation Research Part E: Logistics and Transportation Review 2021, 156: 102544. (中科院1区, AJG 3星)
l Yan Yi-Mo, Chow Andy H.F., Ho Chin Pang, Kuo Yong-Hong*, Wu Qi-Hao, Ying Cheng-Shuo. Reinforcement learning for logistics and supply chain management: methodologies, state of the art, and future opportunities[J]. Transportation Research Part E: Logistics and Transportation Review 2022, 162: 102712. (中科院1区, AJG 3星)
