采用先进的优化与控制方法，基于海量历史数据进行学习，挖掘出较好的初始策略。在这个策略的基础上，进行在线运行，并不断收集运行数据，实现在线学习，对初始策略进行不断完善进化，并最终得到一个最优的操作策略。