【译】Optaplanner开发手册本地化: (0) - 前言及概念

  在此以前,针对APS写了一些理论性的文章;而对于Optaplanner也写了一些介绍性质,几少许入门级的帮助初学者走近Optaplanner。在此之后,老农将会按照Optaplanner官方的用户手册的结构,按章节地对其进行翻译,并成型一系列的操做说明文章。在文章中,为了下降对原文的理解难度,有些地方我不会直接按原文档的字面翻译,而是有可能加入一些我本身的理解,或添一些解释性的内容。毕竟英语环境下的思惟和语言表达方式,跟中文或多或少会有差异的,因此若是所有按字面翻译,内容就很是生硬,可读性差,解程难度较大。我认为应该在理解了做者原意的基础上,再进一步以中文方式的表达,才算是真的的本地化。记得老农仍是少农时,学习开发技术,须要阅读一些外国书箱的翻译本时,印象最深的是候捷老师的书,尽管《深刻浅出MFC》,砖头厚度的书,硬是被我翻散了线,MFC尽管真的晦涩难懂,但候老却能把Windows的消息机制及MFC中整个个宏体系,系统地通俗地描述出来,令读者不须要花费太多精力去理解猜想书中字面的意义,大大下降的VC++中MFC的学习门槛。但老农毕竟只是一个一线开发人员,不是专业的技术资料翻译人才,不可能有候老师的专业水平,所以,我也只可尽我所能把内容尽可能描述得通俗一些,让读者尽可能容易理解,花费更少的时间掌握这些知道要点。html

本文以Optaplanner 7.10.0 Final版本的开发手册做为基础进行翻译。程序员

1. Optapplanner 介绍

1.1. 什么是Optaplanner?

   每一个组织都须要面对规划、排程问题:在有限的资源约束下提供服务与产品(例如人员,资产,时间及资本等限制)。Optaplanner能够优化这类规划、排程问题,令到使用它的组织能够用更少的资源作更多的事(尽量的花少钱办大事)。这就是著名的的约束知足规划,它属于运筹学的一部分。算法

Optaplanner是一个轻量的、可嵌入的,能够对规划问题进行优化的约束知足引擎,它能够解决案例有:微信

  • 员工排班:为护士、维修工等人员制定上班时间表。
  • 方程安排:安排会议、约见、维修工做、广告时间等。
  • 教育领域的时间安排:安排课程、课堂、考试、会议讲座等。
  • 规划车辆运动路线:经过已知的地图工具,为货运、客运(货车、火车、轮船、航班等)规划交通工具多目标的运行路线。
  • 装箱问题:向容器、货车、轮船和仓库装载货物,同时能够规划电脑的资源加载利用,例如云计算的资源分配问题。
  • 车间生产安排:规划汽车组装生产线,机器队规划,劳动任务的规则等。
  • 下料问题:在下料分割的时候,实量最小的浪费,例如切割纸张、钢铁、地毯等。
  • 运动赛事安排:规划比赛和训练,例如安排足球联赛、棒球联赛等。
  • 金融优化:投资组合优化、实现风险分散等。

1.2. 什么是规划问题?

 一个规划问题,基于有限的资源和指定的约束,有一个优化目标。优化目标能够是多种事物,例如:网络

  • 利润最大化 - 优化目标得出的结果是尽能够高的利润。
  • 最小化生态足迹(即尽量减小对生态的影响) - 优化目标是对环境产生尽量小的影响。
  • 最大化员工或客户的知足度 - 优化目标重视员工与客户的须要。

实现这些目标的能力依赖于可用资料的数量,例如:app

  • 人员数量
  • 时间
  • 预算
  • 特殊资产,例如机台,车辆,计算机,建筑物等。

与这此资源相关的约束也必然计算在内,例如,一我的的工做小时数, 他们可以使用(操做)的机台数量,设备之间的兼容性等。less

Optaplanner能够帮助Java程序员有效地解决约束知足问题, 在Optaplanner引擎中,对每一个有效的约束分数计算中,组合了启发式和元启发式算法。 ide

 1.2.1 规划问题属于NP-Complete问题或NP-hard问题

  上述全部的案例或许都属于NP-complete/NP-hard问题,(什么是NP-Complete/NP-hard问题呢?),在外行人看来,它的定义是:函数

  对于一个问题:工具

  • 在合理时间内能够容易地验证一个给定的解。
  • 在合理时间内,目前尚没有行之有效的解法,能找到其绝对最优解(注1)。

  (注1):至少,到目前为止,仍未有一个世界上最聪明的计算机科学家能找到此方法。但是一旦他们找到对其中一个NP-Complete问题的有效解法,那么这个方法对全部NP-Complete问题都是可行办法。事实上,若是任何人只需证实是这种解法的存在与否,便可得到100万美圆的奖励。

  其实这其含义是至关悲观的:要解决这些问题或许比你预想中更困难,由于目前针对这种问题的常见两种技术是未足够解决此类问题的。这两种方法是:

  • 暴力算法(尽管是一些优化过,相对聪明的暴力算法变种), 但得到其解所需的时间很是长(译者:主要缘由是时间复杂度很是高)。
  • 快速算法,例如在Bin packing问题中,先装入最大项;但获得的解离绝对最优解仍存在至关大距离的。

经过使用一些更高级的算法,Optaplanner能够在合理的时间内,对这些规划问题找到相对较优解。

 

 1.2.2 规划问题存在约束(包括硬约束与软件约束)

  一般来讲,一个规划问题至少包括两个层次的约束:

  • (负面)硬约束,不可被违反。例如:一个教师在同节的时间内不能同时上两门课。
  • (负面)软件约束,若可避免,它不该该被违反。例如:教师都不太喜欢在周五下午上课。

  也有些问题存在一些正面的约束:

  • 正面分数在可能状况下应该实现。例如:教师B喜欢在周一上午上果。

  一些比较基础的规划问题(例如8王后问题),只存在硬约束;有一些规划问题则存在超3层,甚至更多层次的约束。例如:硬约束,中间约束和软约束。

  这些约束会被定义在规划问题的Score calculation里(也称为适应度函数)里。规划问题里的每个解的优劣,均可以经过分数来评价。在Optaplanner中,分数约束是经过面向对象语文编写的,例如Java代码或经过Drools脚本实现的rules. 这些代码至关容易编写,灵活且易于扩展。

 1.2.3 规划问题存在巨大的搜索空间

  一个规划问题存在很是多的解,这些解能够分为如下数种:

  • 可能解:规划问题的任意一个解都称做可能解,不管这个解是否违反了约束,或违反了多少约束。规划问题每每存在使人难以致今的巨量可能解,这里面不少解是毫无价值的。
  • 可行解:规划问题的可行解是指没有违反任何(负面)硬约束的解。一个规划问题的可行解的数量,与其可能解相关。有时也不存在可行解,一个规划问题的每个可行解,都是该问题的一个可能解。
  • 绝对最优解:绝对最优解是这个规则问题得到约束分最高的那个解。规划问题一般只有1个或少许数个绝对最优解。一般存在至少1个绝对最优解,尽管当这个规划问题不存在可行解,它也存在绝对最优解,这时候绝对最优解就是非可行解。
  • 相对最优解:相对最优解是指规划问题在必定的求解时间内获得评分最高的解。相对最优解一般是可行解,只要有足够的运行时间,找到的相对最优解就是绝对最优。

  此外,尽管基于一个较小的数据集描述的一个规划问题,其可能解的数量一般是很是巨大的(若是计算正确的话)。正如你从示例中能够看到,大多数状况下,一个规划问题的可能解数量,对目前已知宇宙的原子数量还要多(10的80次方)。由于目前尚未直接的办法找出规划问题的绝对最优解,一些求解实现方法是经过暴力穷举的方法,至少能够穷举全部可能解中的一个子集。

  OptaPlanner支持多种优化算法,以有效地涉足大量可能解,根据不一样使用场景的状况,一些优化算法的性能比其它算法更佳,但哪一个更佳是没法预先告知的(译者:须要经过Benchmark等功能测定)。在Optaplanner里,很容易能过修改几行XML内容或Java code,来更改求解器的配置,从而切换不一样的优化算法。

【未完,待续...】

 

原创不易,若是以为文章对你有帮助,欢迎点赞、评论。文章有疏漏之处,欢迎批评指正。


本系列文章在公众号不定时连载,请关注公众号(让APS成为可能)及时接收,二维码:


如需了解更多关于Optaplanner的应用,请发电邮致:kentbill@gmail.com
或到讨论组发表你的意见:https://groups.google.com/forum/#!forum/optaplanner-cn
如有须要可添加本人微信(13631823503)或QQ(12977379)实时沟通,但因本人平常工做繁忙,经过微信,QQ等工具可能没法深刻沟通,较复杂的问题,建议以邮件或讨论组方式提出。(讨论组属于google邮件列表,国内网络可能较难访问,需自行解决)

相关文章
相关标签/搜索