基本情况

北京工业大学副研究员，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年加入北京工业大学城市交通学院，入选北京工业大学“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，欢迎对科研有热情的同学加入课题组。

教育及工作履历如下：

2024年11月至今 北京工业大学城市交通学院，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，物流管理，学士

研究方向

城市交通运营管理；交通应急管理；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，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，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，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，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，参与。

获奖情况

香港交通研究学会杰出学生论文奖第二名

第十一届深圳市哲学社会科学优秀成果奖学术论文二等奖

第二十次中国物流学术年会优秀论文奖三等奖

代表性研究成果

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.

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.

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.

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.

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.

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.

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.

Chow, Andy H.F., Li Guang-Yu, andYing 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.

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.

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.

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.

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.