【教程18】optaplanner重复规划

BigDataMLApplication

已于 2023-12-18 00:00:31 修改

阅读量1.3k

点赞数 18

CC 4.0 BY-SA版权

分类专栏：运筹学文章标签：数学建模算法

于 2023-12-03 23:34:53 首次发布

本文链接：https://blog.youkuaiyun.com/wang2leee/article/details/134772927

OptaPlanner的重复规划允许在问题事实变化时进行动态规划，包括备份规划、超约束规划、连续规划和实时规划。超约束规划通过预留空间处理无法完全分配的情况，而连续规划用于处理未来不确定性的规划。实时规划则处理问题事实的实时变化，通过ProblemChange接口进行解决方案的更新。多阶段规划将复杂问题分解为多个阶段，每个阶段有自己的求解器配置。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

optaplanner重复规划

1. 重复规划简介

在执行解决方案之前或期间，用于创建解决方案的问题事实可能会发生变化。为了降低问题事实变化的风险而延迟规划并不理想，因为不完整的计划比没有计划更可取。

以下示例演示了需要根据不可预测的变化修改规划解决方案的情况：

未预料到的事实变化
- 被安排到班次的员工请病假。
- 预定起飞的飞机遇到技术故障延误。
- 机器或车辆之一损坏。

无法立即分配所有实体

留下一些未分配，例如：
- 同一时间有10个班次需要分配，但只有九个员工可以处理班次。

对于这种类型的规划，使用超约束规划。

未知的长期未来事实

例如：
- 下两周的医院入院人数可靠，但第三周和第四周不太可靠，第五周及以后还不值得进行规划。

这个问题可以通过连续规划来解决。

问题事实不断变化

使用实时规划。

更多的CPU时间会得到更好的规划解决方案。

OptaPlanner允许您在遇到不可预见变化时尽早开始规划，因为优化算法支持部分规划的解决方案。这就是所谓的重复规划。

2. 备份规划

备份规划通过添加额外的得分约束来为出现问题时提供规划空间。这样，在计划内创建备份计划。

备份规划的示例如下：

创建额外的得分约束。例如：
- 将员工指定为备用员工（每个同时有10个班次）。
- 在每个部门保留一张病床。

当发生不可预见事件时，更改规划问题。例如，如果一个员工请病假：

删除病假员工并将其班次保持未分配状态。
重新启动规划，从该解决方案开始，此时解决方案的得分已经发生了变化。
构造启发式方法填充新创建的间隙（可能使用备用员工），元启发式方法进一步优化。

3. 超约束规划

当无法分配所有规划实体时，最好尽可能多地分配实体而不违反硬约束。这称为超约束规划。

默认情况下，OptaPlanner会分配所有规划实体，超载规划值，因此会违反硬约束。有两种方法可以避免这种情况：

使用可空的规划变量，使一些实体未分配。
添加虚拟值以捕获未分配的实体。

3.1. 使用可空变量的超约束规划

如果我们使用可空变量处理超约束规划，则超载的实体将保持未分配状态。

overconstrainedPlanning

为了实现这一点：

切换得分类型，添加一个得分级别（通常介于硬和软级别之间）。
将规划变量设置为可空。
在新级别上添加得分约束（通常是中等约束），以惩罚未分配实体的数量（或其加权和）。

3.2. 使用虚拟值的超约束规划

在超约束规划中，了解缺少哪些资源通常是很有用的。在具有虚拟值的超约束规划中，解决方案指示需要购买哪些资源。

为了实现这一点：

通过切换得分类型添加额外的得分级别（通常是硬级别和软级别之间的中等级别）。
添加一定数量的虚拟值。确定好计算该数量的公式可能比较困难：
- 不要添加太多，否则会降低求解器的效率。
- 重要的是不要添加太少，否则会导致无法实现的解决方案。
在新级别上添加得分约束（通常是中等约束），以惩罚虚拟分配实体的数量（或其加权和）。
可选地，将所有软约束更改为忽略虚拟分配实体。

4. 连续规划（窗口规划）

连续规划是一种技术，可以同时规划一个或多个即将到来的规划周期，并每月、每周、每天、每小时甚至更频繁地重复该过程。然而，由于时间是无限的，规划所有未来时间段是不可能的。

continuousPlanningEmployeeRostering

在上面的员工排班示例中，我们每四天重新规划一次。每次，我们实际上规划了12天的窗口，但只发布了前四天的计划，这足够稳定，可以与员工共享，以便他们可以相应地安排社交生活。

continuousPlanningPatientAdmissionSchedule

在上面的医院床位规划示例中，请注意11月1日的原始规划和11月5日的新规划之间的差异：其中一些问题事实（F、H、I、J、K）在此期间发生了变化，从而导致不相关的规划实体（G）也发生了变化。

规划窗口可以分为几个阶段：

历史
- 不可变的过去时间段。它只包含固定的实体。
- 最近的历史实体也可能影响适用于可移动实体的得分约束。例如，在护士排班中，连续工作了三个历史周末的护士不应该再连续被安排到三个周末，因为她每月需要一个休息周末。
- 不要将所有历史实体加载到内存中：尽管固定实体不会影响求解性能，但当数据增长到数年时，它们可能会导致内存问题。只加载那些可能仍然影响当前约束的实体，确保有足够的安全边界。
已发布
- 已发布的即将到来的时间段。它们只包含固定和/或半可移动的规划实体。
- 已发布计划已与业务共享。例如，在护士排班中，护士将使用此计划来安排个人生活，因此他们需要提前大约3周的发布通知。普通规划不会更改计划的这部分。
- 更改此计划后会带来不便，但是由于异常情况，我们仍然需要做出这些更改（例如有人请病假），在最小化不可中断的重新规划的同时更改计划。
草稿
- 已发布时间段之后的即将到来的时间段，可以自由更改。它们包含可移动的规划实体，除非有其他原因（例如用户指定）而被固定。
- 草稿的第一部分称为最终草稿，并将其发布，因此这些规划实体可以最后一次更改。发布频率（例如每周一次）确定了从草稿到已发布的时间段数量。
- 草稿的后期时间段可能会在以后的规划中再次发生变化，特别是如果其中一些问题事实在那时发生了变化（例如护士Ann不想在其中某天工作）。
- 尽管这些后期规划实体可能会再次发生很大变化，但我们不能将它们留到以后，因为那样我们可能会陷入困境。例如，在员工排班中，我们可能会让所有罕见的技能员工在最后5天工作，这不会降低那一周的得分，但会使我们无法提供下周的可行计划。因此，草稿长度需要比首先发布的部分更长。
- 通常情况下，不会与业务共享草稿，因为它太不稳定，并且只会产生虚假的期望。然而，它存储在数据库中，并用作下一个求解器的起点。
未规划（超出范围）
- 不在当前规划窗口中的规划实体。
- 如果规划窗口太小以规划所有实体，则需要处理超约束规划。
- 如果时间是一个规划变量，则规划窗口的大小是动态确定的，此时未规划阶段不适用。

continuousPublishingWithRotation

4.1. 固定规划实体

固定规划实体在求解过程中不会更改。用户常常使用固定规划实体将一个或多个特定分配固定下来，并强制OptaPlanner围绕这些固定分配进行调度。

4.1.1. 使用@PlanningPin固定规划实体

要固定一些规划实体，请在规划实体类的布尔型getter或字段上添加@PlanningPin注释。如果实体被固定到其当前规划值，则该布尔值为true，否则为false。

在布尔型上添加@PlanningPin注释：

@PlanningEntity
public class Lecture {
   
   

    private boolean pinned;
    ...

    @PlanningPin
    public boolean isPinned() {
   
   
        return pinned;
    }

    ...
}

上面的示例中，如果pinned为true，则不会将讲座分配给其他时间段或教室（即使当前的period和room字段为null）。

4.1.2. 配置PinningFilter

要固定一些规划实体，请添加一个PinningFilter，如果实体被固定，则返回true；如果可移动，则返回false。这比@PlanningPin方法更灵活、更冗长。

例如，在护士排班示例中：

添加PinningFilter：

public class ShiftAssignmentPinningFilter implements PinningFilter<NurseRoster, ShiftAssignment> {
   
   

    @Override
    public boolean accept(NurseRoster nurseRoster, ShiftAssignment shiftAssignment)