OptaPlanner 中如何实现多策略并行求解以应对不可行约束-java教程-PHP中文网

OptaPlanner 中如何实现多策略并行求解以应对不可行约束

当 optaplanner 主求解任务无法获得硬约束为 0 的可行解时，可通过手动调整问题参数（如延长可用时间、增减资源或改变任务时长），并利用 solvermanager 并行启动多个独立求解器实例，从而探索不同可行路径。

当 optaplanner 主求解任务无法获得硬约束为 0 的可行解时，可通过手动调整问题参数（如延长可用时间、增减资源或改变任务时长），并利用 solvermanager 并行启动多个独立求解器实例，从而探索不同可行路径。

在实际调度场景中（例如：为多组人员分配会议室，每组需占用固定分钟数，总可用时间为若干小时），理想解要求所有硬约束完全满足（即硬分 = 0）。但现实约束常导致无严格可行解。OptaPlanner 本身不内置自动变量调优或“降级重试”机制——它不会自动检测失败后尝试放宽约束并重启求解。但这并不意味着无法实现多策略协同优化：你完全可以主动构建多个变体问题，并行求解，再择优选用。

✅ 实现方式：基于 SolverManager 的并行求解

SolverManager 是 OptaPlanner（及衍生项目 Timefold）推荐的异步、可扩展求解入口。它支持同时提交多个 SolverJob，每个 job 可绑定独立的规划实体数据与配置：

// 构建原始问题（基准方案）
PlanningProblem baseProblem = buildBaseProblem(); // 如：8 小时工作日，5 间会议室

// 构建变体问题1：延长1小时 → 9小时
PlanningProblem extendedTimeProblem = buildProblemWithExtendedDay(baseProblem, 1);

// 构建变体问题2：增加1间会议室 → 6间
PlanningProblem moreRoomsProblem = buildProblemWithExtraRoom(baseProblem, 1);

// 构建变体问题3：缩短单组占用时长（如统一减10分钟）
PlanningProblem shorterSlotsProblem = buildProblemWithReducedSlotDuration(baseProblem, 10);

// 并行提交求解任务（使用同一 SolverConfig 或差异化配置）
CompletableFuture<solution> baseFuture = solverManager.solve("base", baseProblem);
CompletableFuture<solution> timeFuture = solverManager.solve("extended-time", extendedTimeProblem);
CompletableFuture<solution> roomFuture = solverManager.solve("more-rooms", moreRoomsProblem);
CompletableFuture<solution> slotFuture = solverManager.solve("shorter-slots", shorterSlotsProblem);

// 汇总结果，按硬分优先、软分次之排序
List<completablefuture>> allFutures = List.of(baseFuture, timeFuture, roomFuture, slotFuture);
List<solution> solutions = CompletableFuture.allOf(
        allFutures.toArray(new CompletableFuture[0]))
    .thenApply(v -> allFutures.stream()
        .map(CompletableFuture::join)
        .filter(Objects::nonNull)
        .sorted((a, b) -> {
            int hardDiff = Integer.compare(a.getScore().getHardScore(), b.getScore().getHardScore());
            return hardDiff != 0 ? hardDiff : Integer.compare(b.getScore().getSoftScore(), a.getScore().getSoftScore()); // 软分越高越好
        })
        .toList())
    .join();</solution></completablefuture></solution></solution></solution></solution>

⚠️ 关键注意事项

数据隔离：每个变体必须使用深拷贝后的规划实体对象，避免共享引用导致状态污染；
资源配置：并行求解会消耗更多 CPU 和内存，建议根据硬件能力限制并发数（可通过 SolverManager 的 ThreadPool 自定义线程池）；
配置复用与定制：可复用同一 SolverConfig，也可为不同变体指定差异化终止条件（如更短的 termination.spentLimit）；
结果解释权在应用层：OptaPlanner 不判断“哪个变体更合理”，需业务逻辑明确评估标准（例如：优先接受+1小时加班，而非减少用户预约时长）；
Timefold 兼容性：上述代码完全适用于 Timefold（OptaPlanner 的现代演进版），且其 SolverManager API 更加稳定和可观测。