除了智慧无人仓，团队还参与了滴滴出行的一些定价、分单、拼车配对算法，唯品会数据驱动的量化订货策略，龙头电商的商品定价系统，龙头物流企业的预测和地址分析，国金证券投资策略优化，招商银行大学生信贷消费模型研究等工作，将运筹学很好地运用于实际。
大多数量化管理项目都可归结为数学规划问题的求解，而在求解的过程中主要依靠运筹建模问题的支撑软件——优化求解器，决定效率。而目前，全世界只有10个左右的知名优化求解器，中国在这一领域处于空白。没有自己的求解器，意味着中国运筹学发展受限，中国企业优化管理的需求受制于人，无法最大程度获得发展；而且，运筹学在军事、经济领域作用重要，求解器的运用事关。
2013年叶教授与国家电网合作，探索全国电力的实时调度和匹配问题。解决方案采用国外公司求解器，但由于源代码被封装，很难根据国家电网的特点做针对性改良加速。“中国不能没有自己的求解器！”当叶荫宇教授提出开发并行版本优化求解器意向时，葛冬冬也热血沸腾起来。同年，葛教授来到上海财经大学，任管理科学与量化信息研究中心主任，求解器开发项目同步开始实施。
“没想到这是一个大坑。”这项工作不仅在国内是“第一”，在国际上也是占领研究高地的机会，但是这项工作投入大，时间长，见效慢，而且是“不能文”的基础搭建工作，葛冬冬和同事的团队作为高校的研究者，要撑起这个能够在工业应用中发挥巨大作用的平台建设实在“非常费力”。葛冬冬为之几乎心力交瘁。
然而，即便困难重重，望着导师坚定迈步，葛冬冬。“导师做这件事不为名利，财大给他的几十万元年薪他至今一分钱没有领过，一直让我分给开发人员和资助贫困学生。”他说。这件“有意义的事”终于有了阶段性，目前上海财大团队已经完成国内第一个具有自主知识产权的开源线性优化及多个非线性优化求解器的初步技术工作，运行效率和数值稳定性已经堪比当前主流的开源求解器。接下来，团队还将针对大数据问题特点，计划与中科院，大学等多所高校的学者联合，探索用最新算法求解超大规模线性规划问题。
“这是最好的时代，也是最坏的时代。”葛冬冬在交叉科学研究院的院长寄语中写道，“在我的科研和实践中，不停遇到性冲击，感受到的困惑与科研层面遇到的窘境，是度的。”在一个与银行合作的风险控制项目中，葛冬冬教授发现传统的时间序列方法精益求精仍然无法提高金融预测模型，他让另外一组学生尝试用结构简单的神经网络来解决，结果出乎意料——经典方法花了大力气，用到了极致，结果却被粗糙的深度学习方法击败。这件事在实验室造成的冲击非常强烈，也更加令他意识到数据科学、机器学习、深度学习、神经网络等人工智能新兴技术的兴起已经“形成摧枯拉朽之势”。