香港城市大学系统工程系江弘亿助理教授的主页把博士招生写得很具体：目前明确招收PhD学生，课题组当前列有1名博士生，同时还列有1名博士后。对申请者而言，这种信息比一句泛泛的“欢迎优秀学生”更有用，因为它能帮助你理解一个年轻课题组目前处在什么阶段，以及导师会怎样判断申请者能否直接进入研究训练。
课题组阶段与博士生训练环境
江弘亿在2024年加入香港城市大学系统工程系。当前团队规模不大，意味着博士生可能更早直接和导师讨论问题，也更可能参与研究流程的搭建；另一方面，年轻团队通常不会把所有方向、代码库和实验流程都预先标准化。适合这里的学生，需要能在较少现成模板的情况下推进问题，而不是等着被分配一个已经拆好的任务。
系统工程在这里并不是传统意义上只做流程管理。导师的工作集中在混合整数规划、离散优化以及它们和机器学习、实际决策问题的结合。换成博士训练语言，就是要同时处理数学建模、算法设计、证明或理论分析、代码实现与数值实验。申请者最好把这几种能力看成一条链，而不是四个互不相干的技能标签。
导师公开强调的能力要求
招生页面明确把研究记录、数学基础、离散优化或混合整数规划知识以及算法开发的代码能力列为优先考虑因素。这里的“数学强”不等于成绩单上高数分数高，而是你能否把现实问题抽象成变量、约束和目标，并解释模型假设带来的后果；“代码强”也不只是熟悉Python语法，而是能否实现算法、设计对照实验、管理计算结果并定位性能瓶颈。
博士阶段如何形成完整能力
如果你来自数学或运筹背景，博士阶段需要补上的往往是工程化验证：理论结论怎样变成可运行算法，基线怎样选，真实数据或大规模实例怎样处理。如果你来自计算机或机器学习背景，则可能需要把“模型有效”进一步推进到可解释的优化结构、复杂度和严格的决策逻辑。交通、工业工程等背景的申请者，则要证明自己不只懂业务场景，也能把场景转成可研究的数学问题。
这种训练路径对职业选择也有直接影响。完成博士后，你积累的不只是某一个应用领域的经验，而是一套从问题抽象、模型构造、算法求解到实验验证的完整工作方法。它既可以继续走运筹优化和算法研究，也能进入需要复杂决策、资源配置或大规模优化的产业团队。
CV与研究材料应如何组织
导师要求申请者提供CV、成绩单和重点论文信息。CV最值得突出的是与研究能力直接相关的项目：你提出过什么模型，承担过哪一部分理论或算法工作，代码规模和实验设置是什么，结果相对基线有什么改进。若有论文，不要只列标题；可以用一两句话说明自己的实际贡献，让导师能快速区分“参与过项目”和“能独立承担研究模块”。
如果目前还没有正式发表，也可以用高质量课程研究、毕业论文、开源实现或竞赛项目补足，但必须把研究味道写出来。例如，不只是“实现了整数规划模型”，而是解释为什么选这个建模方式、遇到了怎样的规模瓶颈、你怎样修改求解策略。这样的细节更接近博士训练真正会考察的能力。
面试中会被追问的研究细节
如果进入进一步交流，最值得准备的不是把个人陈述重新背一遍，而是能现场解释一个项目。你需要说清楚模型为什么这样设、约束从哪里来、算法为什么可能更快、实验结果是否具有统计或工程意义，以及如果结果不如预期下一步会怎么改。系统工程和优化研究很容易通过追问暴露“只跑过现成代码”与“真正理解问题”的差别。提前把自己最熟悉的一个项目拆成问题、假设、方法、证据和局限五部分，会比准备大量宽泛术语更有效。
对没有直接混合整数规划经历的人，也不必强行伪装成方向完全一致。更好的策略是找到可迁移能力：例如证明与推导、组合问题建模、求解器使用、算法工程、复杂数据实验。只要能明确指出哪些能力已经具备、哪些需要在博士阶段补足，导师就更容易判断训练成本和成长空间。
课程背景如何转换成研究证据
很多申请者会担心本科或硕士专业名称与系统工程不完全一致。真正需要对齐的不是专业名称，而是可迁移的研究能力。数学背景可以用优化、概率或证明训练说明抽象能力；计算机背景可以用算法和工程实现说明求解能力；交通与工业工程背景则可以用真实约束和决策场景说明建模能力。把这些经历重新组织成“问题—方法—结果”的链条，能比简单列课程更准确地表现博士准备度。
小团队申请中更关键的匹配方式
年轻课题组的信息优势是导师的招聘标准往往更直接。申请时没有必要把自己包装成“什么都能做”，而应选择一到两个最能证明数学、优化和代码能力的项目作为主线。只要材料能让导师看出你已经具备独立拆解问题和持续迭代的能力，即使研究主题没有完全重合，也比一份覆盖很多关键词但没有具体贡献的CV更有说服力。
