Question

我开始使用optaplanner来做一个poc，我会想出一个问题。我实现了硬约束，没关系。使用中等约束执行相同操作以处理可空的计划实体并且没关系。但是，我添加了一个软约束，我对最佳解决方案不满意。让我解释一下。

没有软约束，我得分为0 / -2 / 0，它是根据数据集的最佳解决方案。当我实现软约束时，我得到0 / -8 / -13。但对我来说，我宁愿有0 / -2 / -700。

我该如何管理这种行为？如何最小化介质，然后注意柔软？

用真实的例子：

我想在一段时间内影响资源服务。
MediumConstraint：计算资源的未分配服务总数
SoftConstraint：计算脱气期和计划优化期之间的差值。

对我来说，我更喜欢分配每项服务（如果可能），而不是优化偏好日期和作业之间的差异。

下面是规则

//###########################################################################
// Medium constraints
//###########################################################################      
    rule "unassigned score"
        when
            accumulate( ServiceRequestAssignment(resource == null);
                                $cnt: count(1))
        then
            scoreHolder.addMediumConstraintMatch(kcontext, -toIntExact($cnt));
    end   

// ############################################################################
// Soft constraints
// ############################################################################

rule "dateDeviance"
    when
        $request : ServiceRequestAssignment(fixDate != true, $dateDeviance: dateDeviance);
    then
        scoreHolder.addSoftConstraintMatch(kcontext, -toIntExact($dateDeviance));
end

然后，配置：

<constructionHeuristic>
 <constructionHeuristicType>FIRST_FIT_DECREASING</constructionHeuristicType>

       </constructionHeuristic>
    <localSearch>
        <unionMoveSelector>
            <changeMoveSelector/>
            <swapMoveSelector/>
        </unionMoveSelector>
        <acceptor>
            <lateAcceptanceSize>600</lateAcceptanceSize>
        </acceptor>
        <forager>
            <acceptedCountLimit>4</acceptedCountLimit>
        </forager>
    </localSearch>

感谢您的帮助。

Answer 1

在一个步骤中，OptaPlanner总是更喜欢0/-2/-700而不是0/-8/-13，就像您想要的那样。

问题是，由于得分功能的变化，它会沿着另一条路走下去，并且它不能同时达到相同的分数。可能有两个原因

附加分数约束降低了分数计算速度＆＃34;。使用optaplanner-benchmarker将它们相互对接，并给它10倍的时间来证明给予足够的时间它也达到了那个分数。然后找出你的得分限制（得分规则）的瓶颈并使其更快。
它更容易陷入局部最佳状态。添加额外的开箱即用移动或添加逃避此类本地最佳的自定义移动。

在任何情况下 - 不添加这些软评分规则不是推荐的方法。虽然这可以工作（首先在没有软约束的情况下解决它，然后再从上一个解决方案中再次解决它），这将是一个黑客。真正的，良好的，长期的解决方案是只添加它们，看看是否可以提高它们的效率，设置基准测试程序（现在只需几行）并找出可以获得哪种自定义移动您从0/-8/-13到0/-7/-9999。

Answer 2

我认为你可以让规则获得更小的中等分数或获得更大的软分数。例如：

//###########################################################################
// Medium constraints
//###########################################################################      
    rule "unassigned score"
        when
            accumulate( ServiceRequestAssignment(resource == null);
                                $cnt: count(1))
        then
            scoreHolder.addMediumConstraintMatch(kcontext, -toIntExact($cnt)*100);
    end   

// ############################################################################
// Soft constraints
// ############################################################################

rule "dateDeviance"
    when
        $request : ServiceRequestAssignment(fixDate != true, $dateDeviance: dateDeviance);
    then
        scoreHolder.addSoftConstraintMatch(kcontext, -toIntExact($dateDeviance));
end

Answer 3

根据杰弗里的评论，我再次检查了我的规则并发现问题是＆＃34; dateDeviance＆＃34;规则。目前，我不知道如何编写规则以符合我的目标。但它似乎更多地与定义错误相关而不是瓶颈或陷入局部最优。

我想计算整个解决方案的全局日期偏差，并使用此值减少分数。我可以从Java方法计算这个分数，但是drools不是使用@PlanningSolution（ServiceAssignmentSolution.class）而是使用@PlanningEntity（ServiceRequestAssignment.class）。所以从一个举动来看，我目前无法计算这个值。

我尝试使用累积和求和：

rule "dateDeviance"
    when
        accumulate(ServiceRequestAssignment($dateDeviance : dateDeviance); $sum : sum($dateDeviance))
    then
        scoreHolder.addSoftConstraintMatch(kcontext, -$sum);
end

但是，得分与我的初始职位0 / -8 / -13完全相同。

我需要根据所有任务考虑最佳解决方案。是否可以在drools文件中使用注释为@PlanningSolution的类？或者使用kcontext变量并检索这个变量以便以Java方式计算？

Optaplanner - HardMediumSoftScoreHolder - 如何强制求解器首先将中等分数降至最低，然后是软分数？

3 个答案: