三位教授，五位学长学姐，八个人，十六道视线，全部钉在陆丰身上。
似乎都在等陆丰说结果，陆丰则是被盯得浑身起鸡皮疙瘩。
叶国栋最先打破了沉默，他扶了扶眼镜。
“理论上可行，但……你能用具体的模型把它表达出来吗？”
“比如公式或者说简易的模型。”
“当然。”陆丰回答得干脆。
开玩笑，我能说出来，还不能验证？
徐云教授下意识地从笔筒里抽出一支全新的白板笔，递了过去。
陆丰接过笔，拔掉笔帽，转身走向那面巨大的白色书写板。
五名大三的学生不自觉地挺直了腰杆，身体微微前倾。
陆丰没有立刻书写，他先是在白板的左上角画了一个简单的二维网格。
“首先，是状态空间S的定义。”他的声音在安静的机房里回荡，清淅而沉稳，仅是开口就让人神往，这感染词条的力量着实变态。
“我们将整个城市划分为N个局域，每个局域就是一个状态。“
”的士的状态s，就是它当前所在的网格编号i。”
笔尖在白板上划过，留下一行行简洁的数学符号。
“然后，是动作空间A。对于任意状态s，的士的动作a，就是选择驶向相邻的某个局域j。”
“最关键的，是奖励函数R。”陆丰的笔速加快，一行行公式开始在白板上蔓延。
“奖励R(s， a)由两部分构成。第一部分是执行动作a后，在新局域j接到乘客的概率P，乘以这单的预期收益E。”
“第二部分，是空载行驶的成本C，包括时间成本和燃油成本。”
计算机学院的孙毅教授看得连连点头，他已经完全被陆丰的思路吸引了。
这套建模方式，简洁、优雅，而且可计算性极强。
。”陆丰转身，看向那五位已经有些呆滞的学长学姐。
“传统的动态规划需要知道完整的
他没有给任何人提问的机会，直接在白板中央，写下了那个强化学习领域最内核的方程。
“我们不需要知道全局地图，也不需要预测未来。每辆车都是一个独立，它只需要根据自己当前的Q表，选择能带来最大Q值的动作。”
“每一次成功的载客，都是一次正向奖励。”
“每一次长时间的空载，都是一次负向惩罚，通过海量的真实运营数据进行迭代训练，这张Q表会不断收敛，最终趋近于最优解。”
陆丰一边讲，一边在方程旁边补充着每个参数的物理意义。
学习率α，折扣因子γ，状态s，动作a。
计算机学院的李浩和王哲对视一眼，都从对方的反应里看到了难以掩饰的震撼。
因为他们也没有想到陆丰在数学方面的造诣居然也这么高。
不一会儿，一整面巨大的白板，已经被写得满满当当。
从状态空间的离散化，到奖励函数的设计，再到Q表的迭代更新算法，形成了一个完整而自洽的逻辑闭环。
叶国栋脸上的笑容已经彻底压不住了，他转头看向身边的徐云和孙毅，那表情仿佛在说：看看，看看我发现了什么宝贝！
徐云教授也是不住地点头，而孙毅则直接掏出手机，对着那面写满公式的白板，从不同角度连拍了好几张照片。
那五名学生已经彻底放弃了思考，这不是一时半会就能搞定的。
陆丰写完最后一个字符，将笔帽盖上，随手放在讲台桌上。
他转过身，看到三位教授在那边挤眉弄眼，笑得跟中了五百万彩票似的。
不是，你们能不能先让我回去坐下？
三位大佬站在这里，五位学长学姐坐在那里，就我一个人杵在中间，这算怎么回事？公开处刑吗？
叶国栋似乎是察觉到了陆丰投来的视线，他立刻收敛了笑容，清了清嗓子，试图恢复自己作为教授的威严。
“咳咳……非常好。”他的声音里带着一丝还没完全压下去的兴奋。
“这个思路，非常新颖，而且逻辑严谨，可行性极高。”
他转向那五个还处在石化状态的学生。
“说实话，当初这道题在国赛赛场上，没有一个队伍想到用强化学习的思路来解，最好的成绩，也不过是用了一个带时间窗的遗传算法，模型复杂，而且求解精度很一般。”
这番话，无疑是给陆丰的方案盖上了官方认证的印章。
陆丰冲着几位老师点了点头，默默地走回自己的座位坐下。
他刚一坐下，旁边的陈静就凑