Optaplanner - 入门介绍

OptaPlanner背景

　　在上一篇里喷了很多水，这一篇准备放点干货；其实也没办法彻底干，由于不少预备知道在交待一下。好了，说一下关于OptaPlanner的背景、应用兼容性及其原理。

这一篇先说一下OptaPlanner是何方神圣，再看看它适用于哪一种平台（.NET能用吗？老旧系统能用吗？），再从原理上探究一下，它是如何帮咱们把一个看上去几乎不可能实现的工做，努力作到比经验丰富的老师傅更好的。下一篇我将会讲解OptaPlanner相关的基本概念,并教你们它的examples(示例)运行起来(这些examples但是好东西喔，而且很是丰富)。

　　顾名思义，叫什么planner的，它确定是用来plan东西的东东，就是把一堆东西（数据）扔进去，再教它一些规则(Drools脚本或Java写的算分程序)，而后它就运用它的数学头脑，把这些东东按要求把它初始化好，并努力找到一个相对最优的方案；若是数据不是太多，那它就能找到一个绝对最优方案了，由于它以把全部状况都篇历。例如：你有一堆任务须要肯定分配到哪些机台，须要计算每一个任务何时开始处理(也就是明细的生产计划了)；用OptaPlanner跑完以后，就会给出一个方案，这个方案包含了每一个任务应该放在哪一个机台，应该在何时开始。又例如：在医院等单位进行医护人员排班时，把各个医护人员的专长，每一个人员的做息信息，每一个科室须要的专业技能等信息放进去，OptaPlanner就能给你找出一个排班方案出来，能够知足各科室对特殊专业人员的需求，也能够知足各人员尽可能不超时工做的方案。

　　那么问题来了，OptaPlanner究竟是一个什么鬼东西？它有这么牛？真能这样，咱们作排产的老师傅不是要失业了吗？其实否则，它只是按咱们设计的规则来找尽可能好的方案，而这些规则好很差直接影响到方案的优劣，因此若是OptaPlanner成功应用了，并非替代了老师傅们，而是把老师傅解放出来，让他们去从新思考并制定更佳的规则，并经过OptaPlanner来验证并实现这些方案。

　　E文好的同窗能够直接进它的官网（http://www.optaplanner.org）, 学成了记得分享呀。先说一下这OptaPlanner的来头，它原本是一个名叫Geoffrey De Smet的大牛本身写的，后来他就把它贡献给了JBoss基金会(这里省去了N年的曲折离奇, N >= 10)，并成为KIE项目组中OptaPlanner项目的负责人。因此OptaPlanner是基于Apache2.0开源协议的，对商业友好，就是说你想用就尽管用，有问题还能够在他们的讨论组上求助。关于这位超级大牛的个信息及OptaPlanner的详情，可从如下连接看到，其实这位大牛给OptaPlanner录制了不少讲解OptaPlanner的视频，只不过它只放在Youtube上，你们要看的本身想办法上去搜OptaPlanner了，提醒一下各位，Gerffrey这牛不是英美或其它以英语为母语国家的人（好像是比利时仍是荷兰人），它的口语乡单比较重，听起来挺吃力的，还没字幕。并且讲的都是各个示例和一些比较高级的应用，去看视频以前最好仍是打一下基础，要否则基本上看不懂（没基础就算讲中文也听不懂吧？）。

　　Geoffrey De Smet在GitHub上的主页：https://github.com/ge0ffrey（还有StackOverflow上也有他老人家很多对OptaPlanner问题的解答，你们能够搜搜）
OptaPlanner的背景介绍：http://www.oschina.net/news/7... （这是开源中国社区翻译Geoffrey老人家的文章，原著E文版在这：http://www.optaplanner.org/bl...）

　　OptaPlanner实际上是一个很好的排程引擎（更贴切地说它是一个规划引擎，下面就称规划引擎吧，由于它不光用于排产上），耐何在国内使用的人十分少，因此中文资料几乎没有，国内有几个比较出名的APS产品，不知道其排程核心用的是什么，不过若是是自主开发APS系统的话，OptaPlanner是一个好的引擎，毕竟并非全部企业都能找到一堆数学专家对组合优化问题进行研究的。而OptaPlanner资料很是丰富，它的项目组还能提供很好的技术支持（免费的仅限于讨论组答疑，付费的就没试过了）,并且使用起来也方便、容易。但目前我观察的状况来看，还只有比较多国外的同行们及相关的技术网站在研究讨论。我也是奉公司之命开发生产排程方面的系统，才硬着头皮去啃它的。又耐何个人体育老师不给力，教的E文也不怎么样，虽然是把基本的东西看懂了，但不少更深层的东西其实尚未彻底摸透的(到目前为止我还遇到一个Score Corruption的问题还在研究)。因此有赖你们一块儿学习以后的分享了。在应用OptaPlanner的过程当中，我也遇到一些问题，一开始有些小白问题，后来又遇到一些跟系统实情相关的难题，我也曾经在讨论组上向Geoffrey他老人家请教，老实说，他仍是一个比较有耐心，很是nice的人，一点都不嫌我这类小白烦，从原理开始给我讲解出错的缘由，应该如何改，这个要猛赞一下。

　　接下来我就发挥程序狗的看家本领Ctrl + C -> Ctrl + V, 中间还去逛了一次百度翻译（没办法，体育老师呀）.
OptaPlanner是一个约束求解器。它优化了企业资源计划的使用状况，如车辆调度、员工排班、云优化、任务分配、任务调度、Bin Packing等等。每一个组织都面临这样的调度难题：分配一组有限的受限资源（员工、资产、时间和金钱）来提供产品或服务。OptaPlanner提供了更有效的计划，提升服务质量并下降成本。OptaPlanner是一个轻量级的、可嵌入的规划引擎。它令普通的java程序员有效地解决优化问题。它还与其余JVM语言兼容（如 Kotlin 与 Scala）。约束适用普通的域对象,能够重用现有代码。没有必要把它们做为数学方程来输入。在引擎盖之下，OptaPlanner结合先进的优化的启发式和共通启发式演算法（如禁忌搜索、模拟退火和延迟接受）,很是高效地进行分数计算。OptaPlanner是开放源代码的软件，Apache软件许可下发布。它是用100%的纯java™，运行在任何JVM在Maven的中央存储库也可用。

　　好了按上述的官方描述咱们能够大概知道，它就是一个用来解一些规划问题的引擎，而规划问题几乎均可以被视做NPC问题，关于什么是NPC问题呢？这里还喷点水，让你们对NPC问题有个大概的概念，若是不是研究数据的，了解一下就能够了。你们能够看一下这位牛人写的关于NPC问题的文章（http://www.matrix67.com/blog/...），归纳来讲，就是一些没有办法使用肯定性算法来获得结果的问题，而对于这类问题，又分为NP问题和NPC问题，但都只能经过遍历的办法才能找到。对于NP问题和NPC问题，我有如下理解，也不知道对不对，大牛看到不对的帮忙指正一下：

　　NP问题：一种没法经过肯定性算法直接得到解，但对得到的解是可验证的，例如：结合上一篇文章提到的生产排程问题，若是老板只要求作出一个可行的生产计划，也就是只须要一个能够执行的生产排程就能够了。成本、效率什么的都无论；那么这就是一个NP问题。由于要作出这个计划，你也是没有直接的、肯定的方法或算法来作的；更多的是靠经验、对实际状况的有限掌握、对来状况的预判和感受。可是作出来的计划是能够验证的。也就是说车间拿着这个计划是真的可能执行的，而不会出现物料不到位、产品分配到了错误的机台上等违反硬约束问题的， 那么只要不违反这些硬性约束，就认为这是一个可行的计划。因此作一个可行计划，能够被视做是NP问题。

　　NPC问题：则是那种不旦没法经过肯定性算法得到解，对所得的解，也没有一个肯定的办法去验证的问题。仍是上面的生产排程问题，若是老板要求作一个全部状况下除了可行，还要成本最低、效率最高的计划。那么：1. 计划员也只是靠经验、预判、对数据有有限掌握作出一个计划来，计划是否可行是可能验证的(也就是NP问题)，但这个计划是否成本最低、效率最高，那就没办法验证了，除非你把全部可能的计划都列出来(这个就不是肯定性算法了，由于并非全部状况你都能把全部状况都列出来)。事实上，现实世界遇到的问题，光靠人类，即使经过超级计算机，也是不太可能把全部状况都遍历完的，例如一个计划有1000个任务，就算忽略任务的全部其它考虑因素，就是1000个任务无任务要求，随便自由地排列，也就是1000个数的排列问题了，有多少种状况？是1000的阶乘！（有兴趣的同窗本身回顾一下高中的排列公式）再考虑每一个任务的各类属性，及每一个属性的可能取值范围，那么组合下来，一般是天文数字了。

　　因此，OptaPlanner在排程领域的做用就是帮人们对问题的可能性进行“遍历”，为何我把遍历引发来呢？由于若是仅仅是无序地遍历，对全部状况一个一个试，那OptaPlanner就没啥做用了，咱们能够经过本身编写程序，就能设计出遍历全部组合状况的代码来（能不能跑完那是另一回事）。OptaPlanner强大之处在于，他是有方法地去遍历的，它引入了禁忌搜索，模拟退火等算法，力求在固定的时间内，找到比傻傻地遍历更好的组合方案出来。事实上也证实它这些算法是有效的。

OptaPlanner的做用、构架和应用兼容性

　　关于OptaPlanner开源包，你们能够上官网看看，我在这里也只作个大概的介绍，毕竟我也是新手呀。其实OptaPlanner如今已经加入KIE Project Group，做为KIE的一个子项目，关于KIE能够看看Redhat的一个项目群，包括了OptaPlanner（就是本系列文章的主角），Drools(规则引擎，国内已有不少相关的资料，我就再也不熬述了，OptaPlanner是须要结合Drools来使用的，因此这个系列的文章里也会有些内容涉及Drools，但不会太深刻)，另一个就是jBMP了，是一个流程定制的平台。

做用

　　OptaPlanner用官方的描述就是能够帮你规划出一个用更少的资源作更多更好事情的规划引擎。以下图列出它能够作的工做领域（这仅仅是OptaPalnner的Example里有的示例，其实全部关于规则的问题，属于NPC的问题，只要你能把它抽象并建模成OptaPlanner可识别的模型，你就能够用OptaPlanner来解决）：车辆调度、工做排程、设备排程，Bin Packing(就是用袋子装石头那个问题啦)及员工排班。

　　

构架和应用兼容性

　　那么应用OptaPlanner须要什么条件呢？其实做为一个轻量的、可嵌入的规则引擎，兼容性确定是人家设计时的考虑重点之一，因此它彻底是一个纯Java环境的软件，只要你的系统有Java8以上的运行环境（7.6版本要求的是Java8），遵循 Apache Software License 2.0就可使用了。在个人工做中，我把它运行于Windows, 云端的Unbuntu.凡是通常Java程序能运行的环境，只需你一个jar命令，就能够运行你内嵌了OptaPlanner的程序了。这里有一个官方关于OptaPlanner兼容性的图：

　　　　

　　那么有人就问了，如今不少企业用的都是Microsoft平台或其它老旧平台技术（有什么办法呢.NET就是多人才），是否是OptaPlanner与个人项目就无缘了？其实否则，由于OptaPlanner自己是一个引擎，是基于Java技术的，你经过它来实现你本身的规划引擎程序的时候，必然也是须要Java写的。但这个规划程序是一个服务程序，它不像普通的Web程序，须要频繁跟用户交互，事实上它的全部运行过程当中涉及的数据都是须要基于内存的，在此过程是不能进行IO的（并非说OptaPlanner引擎不容许这么作，而是咱们设计的时候就不该该这么作），至于为何，是码农都懂，一个对CPU高度依赖的程序，你还要它去作I/O，是否是有点那个？因此一般状况下，它是一次性把须要规则及数据都装入内存，完成后再输出。基于上述原则咱们就能够把写好的规划引擎程序（Java包)放在一台相对独立的服务器上去运行，再以服务的造成为其它客户端系统提供规划服务。那你的客户端系统是用Web仍是 C++来写，是你本身的事了。

原理

　　那么OptaPlanner是经过什么方法，高效地帮咱们在尽可能短的时间内，找到更佳的方案呢？还记得上一任篇老农提到，咱们作排程的时候，一般有两种约束条件，分别是不可违反的硬约束，若是一个计划违反了硬约束，那这个计划就是不可行的，例如：生产计划中，把产品固定工序的加工次序调乱了，又或者把产品分配到错误的机台上生产(这些约束条件都是业务上大家本身定义的)，那么OptaPlanner就把它定义为违反了硬约束。另外一类就是软约束，就是那种能够违反，但违反得越多，就会影响越大（影响包括成本、效率、质量等），所得结果方案的质量越差；违反这种约束，OptaPlanner就把它定义为违反了软约束。OptaPlanner就是对这两类约束进行打分，硬约束对应的是硬分数，软约束对应的是软分数。那么得分越高，就表示对应方案的质量越高。在计算这些约束分数的过程当中，OptaPlanner会保持优先优化硬分数、而后在硬分数最优的基础上，再去优化软分数的原则，来寻找最佳方案。例如：两个方案A、B对比，方案A的硬分数比方案B的硬分数高1分，方案B的软分数比方案A的软高出10万分。那么OptaPlanner最后仍是认为方案A更佳。也就至关于咱们写SQL脚本时，order by子句中先后两个字段的关系了，靠前的字段排序比靠后的字段更优先。

思考题：

　　既然硬约束是不能违反的，那OptaPlanner固然要保证找出来的方案绝对是不违反硬约束的，这个你们以为在全部状况下都成立吗？就是OptaPlanner必然给你找到一个绝对不违反硬约束的方案吗？ - 显示不是，你们本身思考一下。

这一篇咱们先介绍一下OptaPlanner的背景、使用情景和原理。下一篇咱们就开始实质的了解它的应用。

另外，若对此文(或本系列任何内容)感兴趣，欢迎转载，但请尊重艰辛劳动，注明出处。为谢！

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/for...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)