Question

我使用OptaPlanner 6.2实现了传感器调度问题，该问题具有1个硬约束，1个中等约束和1个软约束。我遇到的麻烦是，我可以在30秒左右之后满足一些硬约束，然后解算器在满足它们的约束时会有很少的进展，并且会有额外的终止时间。我不认为这个问题过于局限;我也不知道如何帮助本地搜索过程显着提高分数。

我的问题是调度问题，我预先计算传感器在解决之前可以观察物体的所有可能时间（间隔）。我已将问题建模如下：

硬约束 - 没有间隔可以重叠

 when
   $s1: A( interval!=null,$id: id, $doy : interval.doy, $interval: interval, $sensor: interval.getSensor())
  exists A( id > $id, interval!=null, $interval2: interval, $interval2.getSensor() == $sensor, $interval2.getDoy() == $doy, $interval.getStartSlot() <= $interval2.getEndSlot(), $interval.getEndSlot() >= $interval2.getStartSlot() )
 then
   scoreHolder.addHardConstraintMatch(kcontext,-10000);

中等约束 - 每个作业都应具有间隔

when
  A(interval==null)
then
  scoreHolder.addMediumConstraintMatch(kcontext,-100);

软约束 - 最大化Interval类中的属性/值

when
  $s1: A( interval!=null)
then
  scoreHolder.addSoftConstraintMatch(kcontext,-1 * $s1.getInterval().getSomeProperty())

A：实体计划类;每个实例都是特定对象的赋值（即具有与Interval类中的一个对应的成员objectid）

间隔：计划变量类，传感器和对象的所有可能间隔（开始时间，停止时间）

在A中，我将对B实例（间隔）的访问限制为与该分配关联的对象的访问权限。对于我的测试用例，有40000个左右的间隔，但每个对象只有几十个。大概有1100个A的实例（每个实例有几十个可能的间隔）。

@PlanningVariable(valueRangeProviderRefs = {"intervalRange"},strengthComparatorClass = IntervalStrengthComparator.class, nullable=true)
public Interval getInterval() {
    return interval;
}

@ValueRangeProvider(id = "intervalRange")
public List<Interval> getPossibleIntervalList() {
    return task.getAvailableIntervals();
}

在我的解决方案课程中： //已尝试对此进行评论，因为整体间隔列表不适用于所有A @ValueRangeProvider（id =“intervalRangeAll”） public List getIntervalList（）{ 返回间隔; }

@PlanningEntityCollectionProperty
public List<A> getAList() {
    return AList;
}

我查看了文档并尝试了很多东西。我的问题在于育儿和课程安排示例之间的交叉，我已经看过了。我正在使用FIRST_FIT_DECREASING构造启发式。

我尝试过：

在A.getInterval（）
迟到，Tabu，两者。
基准。我没有看到任何问题和平均
添加IntervalChangeFactory作为moveListFactory。将自定义ChangeMove限制为是否可以接受间隔（即强制执行或不强制IntervalChangeMove.isDoable中的硬约束）。

这是一个示例，其中大多数硬约束不满足，但中等约束是：

[main] INFO org.optaplanner.core.impl.solver.DefaultSolver - Solving  started: time spent (202), best score (0hard/-112500medium/0soft), environment  mode (REPRODUCIBLE), random (WELL44497B with seed 987654321).
[main] INFO org.optaplanner.core.impl.constructionheuristic.DefaultConstructionHeuristicPhase - Construction Heuristic phase (0) ended: step total (1125), time spent (2296), best score (-9100000hard/0medium/-72608soft).
[main] INFO org.optaplanner.core.impl.localsearch.DefaultLocalSearchPhase - Local Search phase (1) ended: step total (92507), time spent (30000), best score (-8850000hard/0medium/-74721soft).
[main] INFO org.optaplanner.core.impl.solver.DefaultSolver - Solving ended: time spent (30000), best score (-8850000hard/0medium/-74721soft), average calculate count per second (5643), environment mode (REPRODUCIBLE).

所以我不明白为什么搜索过程无法处理硬约束。由于我所做的所有修补，我每秒的计算次数已降至10000以下。

Answer 1

如果不是由于得分陷阱（请参阅文档，这是第一个要修复的问题），可能是因为它陷入局部最优并且没有从1开始的移动除了那些没有太大变化的解决方案之外，另一个可行解决方有几种方法可以解决这个问题：

添加粗粒度移动（但仍然保留精细粒度的移动，例如ChangeMove！）。您可以添加通用课程粒度移动（例如支柱移动）或添加自定义移动。不要开始制作更聪明的选择器，试图只选择可行的动作，这是一个坏主意（因为它会杀死你的ACC或限制你的搜索空间）。只需混合粒度移动（=多样化）来补充细粒度移动（=强化）。
更好的域模型也可能有所帮助。项目作业调度和廉价时间调度示例具有域模型，该模型自然会导致较小的搜索空间，同时仍然允许所有可行的解决方案。
增加禁忌列表大小，LA大小或在SA起始温度中使用硬约束。但我认为你已经尝试过使用基准测试程序了。
启用TRACE日志以查看optaplanner的决策。只有在达到局部最佳值后才能看到它。
将来，我还会添加Ruin＆amp; Recreate移动，这将远远少于自定义移动或更好的域模型（但效率会降低）。

难以与Optaplanner同时满足硬性和中度约束

1 个答案: