【教程12】OptaPlaner构造启发式算法

构造启发式算法

1. 概述

构造启发式算法在有限时间内构建一个相当不错的初始解。它的解决方案并不总是可行的，但它能够快速找到一个解决方案，以便后续元启发式算法能够完成任务。

构造启发式算法会自动终止，因此通常无需专门配置构造启发式算法阶段的终止条件。

2. 首次适应法（First Fit）

2.1 算法描述

首次适应法算法按照默认顺序循环遍历所有的规划实体，并逐个初始化。它将规划实体分配给最佳的可用规划值，同时考虑已经初始化的规划实体。当所有的规划实体都被初始化后，算法终止。一旦规划实体被分配，就不再改变。

请注意，该算法从将皇后A放置在第0行开始（之后不再移动），这使得达到最优解成为不可能。可以通过添加元启发式算法来修复这个问题。

2.2 配置

简单配置：

<constructionHeuristic>
  <constructionHeuristicType>FIRST_FIT</constructionHeuristicType>
</constructionHeuristic>

高级配置：

<constructionHeuristic>
  <constructionHeuristicType>FIRST_FIT</constructionHeuristicType>
  <...MoveSelector/>
  <...MoveSelector/>
  ...
</constructionHeuristic>

如需进行扩展，请参考构造启发式算法的扩展配置。如需进行高级配置，请参考从队列中分配实体。

3. 首次适应法-递减（First Fit Decreasing）

3.1 算法描述

与首次适应法类似，但是首次适应法-递减先分配较困难的规划实体，因为它们更不容易适应剩余部分。因此，它会按照降序对规划实体进行排序。

要求模型支持规划实体的难度比较。

通常情况下，人们预期这个算法的结果比首次适应法更好。但并非总是如此。

3.2 配置

简单配置：

<constructionHeuristic>
  <constructionHeuristicType>FIRST_FIT_DECREASING</constructionHeuristicType>
</constructionHeuristic>

高级配置：

<constructionHeuristic>
  <constructionHeuristicType>FIRST_FIT_DECREASING</constructionHeuristicType>
  <...MoveSelector/>
  <...MoveSelector/>
  ...
</constructionHeuristic>

如需进行扩展，请参考构造启发式算法的扩展配置。如需进行高级配置，请参考从队列中分配实体。

4. 最弱适应法（Weakest Fit）

4.1 算法描述

最弱适应法类似于首次适应法，但是它先使用较弱的规划值，因为较强的规划值更有可能能够容纳后续的规划实体。因此，它按照规划值的强度递增顺序排序。

要求模型支持规划值的强度比较。

请不要假设这个算法的结果比首次适应法更好，通常情况下并非如此。

4.2 配置

简单配置：

<constructionHeuristic>
  <constructionHeuristicType>WEAKEST_FIT</constructionHeuristicType>
</constructionHeuristic>

高级配置：

<constructionHeuristic>
  <constructionHeuristicType>WEAKEST_FIT</constructionHeuristicType>
  <...MoveSelector/>
  <...MoveSelector/>
  ...
</constructionHeuristic>

如需进行扩展，请参考构造启发式算法的扩展配置。如需进行高级配置，请参考从队列中分配实体。

5. 最弱适应法-递减（Weakest Fit Decreasing）

5.1 算法描述

结合了首次适应法-递减和最弱适应法。它将规划实体按照降序难度排序，将规划值按照递增强度排序。

要求模型支持规划实体的难度比较和规划值的强度比较。

请不要假设这个算法的结果比首次适应法-递减更好，通常情况下并非如此。但它通常优于最弱适应法。

5.2 配置

简单配置：

<constructionHeuristic>
  <constructionHeuristicType>WEAKEST_FIT_DECREASING</constructionHeuristicType>
</constructionHeuristic>

高级配置：

<constructionHeuristic>
  <constructionHeuristicType>WEAKEST_FIT_DECREASING</constructionHeuristicType>
  <...MoveSelector/>
  <...MoveSelector/>
  ...
</constructionHeuristic>

如需进行扩展，请参考构造启发式算法的扩展配置。如需进行高级配置，请参考从队列中分配实体。

6. 最强适应法（Strongest Fit）

6.1 算法描述

类似于首次适应法，但是最强适应法先使用强的规划值，因为强的规划值更有可能具有较低的软成本。因此，它按照规划值的强度递减顺序排序。

要求模型支持规划值的强度比较。

请不要假设这个算法的结果比首次适应法或最弱适应法更好，通常情况下并非如此。

6.2 配置

简单配置：

<constructionHeuristic>
  <constructionHeuristicType>STRONGEST_FIT</constructionHeuristicType>
</constructionHeuristic>

高级配置：

<constructionHeuristic>
  <constructionHeuristicType>STRONGEST_FIT</constructionHeuristicType>
  <...MoveSelector/>
  <...MoveSelector/>
  ...
</constructionHeuristic>

如需进行扩展，请参考构造启发式算法的扩展配置。如需进行高级配置，请参考从队列中分配实体。

7. 最强适应法-递减（Strongest Fit Decreasing）

7.1 算法描述

结合了首次适应法-递减和最强适应法。它将规划实体按照降序难度排序，将规划值按照递减强度排序。

要求模型支持规划实体的难度比较和规划值的强度比较。

请不要假设这个算法的结果比首次适应法-递减或最弱适应法-递减更好，通常情况下并非如此。但它通常优于最强适应法。

7.2 配置

简单配置：

<constructionHeuristic>
  <constructionHeuristicType>STRONGEST_FIT_DECREASING</constructionHeuristicType>
</constructionHeuristic>

高级配置：

<constructionHeuristic>
  <constructionHeuristicType>STRONGEST_FIT_DECREA