optaplanner 的构造启发式（construction heuristics）默认仅在阶段结束时触发一次分数更新，而非每步都通知；该行为属设计使然以避免克隆开销，但旧版本存在结尾事件丢失的 bug（已在 timefold 0.8.39/0.9.39 修复）。过约束场景下可且应配置初始化分数趋势，以支持空值偏好型规划。
optaplanner 的构造启发式（construction heuristics）默认仅在阶段结束时触发一次分数更新，而非每步都通知；该行为属设计使然以避免克隆开销，但旧版本存在结尾事件丢失的 bug（已在 timefold 0.8.39/0.9.39 修复）。过约束场景下可且应配置初始化分数趋势，以支持空值偏好型规划。
在使用 OptaPlanner（及其演进版 Timefold）解决过约束规划问题（如允许 @PlanningVariable(nullable = true) 的任务未分配时间槽）时，理解构造启发式（CH）的分数更新机制与初始化分数趋势（Initializing Score Trend）的协同作用至关重要。
构造启发式阶段的分数更新：设计意图与历史 Bug
构造启发式阶段采用贪心式逐步构建初始解，为避免频繁克隆工作解决方案带来的性能损耗，OptaPlanner 默认仅在 CH 完全结束时派发一次 BestSolutionChanged 事件并更新分数——而非在每个实体赋值后都触发。这是明确的设计权衡，并非缺陷。
然而，历史版本中存在一个关键 Bug：CH 结束时未能正确触发最终分数更新事件，导致监听器（如 BestSolutionChangedEventListener）收不到完成信号，表现为“构造阶段始终无分数更新”。该问题已由 Timefold 在以下版本中修复：
- Timefold Solver 0.8.39（兼容 OptaPlanner 8.x 生态）
- Timefold Solver 0.9.39（最新稳定分支）
✅ 验证建议：升级至上述版本或更高，并通过日志或监听器确认 bestScore 在 CH 结束后是否正确输出：
solver.addBestSolutionChangedEventListener(event ->
System.out.println("CH finished → Best score: " + event.getNewBestScore())
);
过约束场景下必须启用 Initializing Score Trend
当规划实体（如 Task）允许 nullable = true，且硬约束（hard score）可能为负（例如未分配任务触发 -1hard），问题即为过约束（over-constrained）：不存在满足全部硬约束的可行解。此时，若未配置初始化分数趋势，局部搜索（如 Late Acceptance、Tabu Search）将无法可靠估算分数改进方向——因为分数空间不连续，且软/中等约束权重未知。
✅ 正确做法：在 @PlanningSolution 类中显式声明趋势，例如：
@PlanningSolution
public class TaskSchedule {
@PlanningScore
public HardMediumSoftLongScore score;
@PlanningEntityCollectionProperty
public List<task> taskList;
// 必须提供初始化分数趋势（尤其对 nullable 变量）
@Override
public HardMediumSoftLongScore getInitializingScoreTrend() {
// 假设：所有任务未分配 → -N hard；全部分配 → 0 hard；中等/软分随分配质量提升而改善
return HardMediumSoftLongScore.parseScore("INIT [-1000..0]hard/[0..+1000]medium/[0..+10000]soft");
}
}</task>
⚠️ 注意事项：
- INIT [min..max] 中的区间需覆盖实际可能的分数范围（可通过小规模测试估算）；
- 若使用 ConstraintStream，确保 ConstraintProvider 中的约束逻辑与趋势语义一致（例如：penalize(...) 对 null 分配产生负 hard 分）；
- 不配置趋势会导致局部搜索早期误判“劣解为优”，显著降低求解效率与最终解质量。
总结
构造启发式不实时更新分数是性能优化设计，而非缺陷；但务必升级至修复 Bug 的版本以保障 CH 结束事件可靠性。对于含 nullable 规划变量的过约束问题，初始化分数趋势不是可选项，而是求解鲁棒性的前提——它为后续元启发式算法提供了必要的分数演化方向指引。结合合理约束建模与版本管理，即可高效处理“偏好分配、容忍未分配”的现实调度需求。
