【譯】Optaplanner開發手冊本地化: (0) - 前言及概念

　　在此以前，針對APS寫了一些理論性的文章；而對於Optaplanner也寫了一些介紹性質，幾少許入門級的幫助初學者走近Optaplanner。在此之後，老農將會按照Optaplanner官方的用戶手冊的結構，按章節地對其進行翻譯，併成型一系列的操做說明文章。在文章中，爲了下降對原文的理解難度，有些地方我不會直接按原文檔的字面翻譯，而是有可能加入一些我本身的理解，或添一些解釋性的內容。畢竟英語環境下的思惟和語言表達方式，跟中文或多或少會有差異的，因此若是所有按字面翻譯，內容就很是生硬，可讀性差，解程難度較大。我認爲應該在理解了做者原意的基礎上，再進一步以中文方式的表達，纔算是真的的本地化。記得老農仍是少農時，學習開發技術，須要閱讀一些外國書箱的翻譯本時，印象最深的是候捷老師的書，儘管《深刻淺出MFC》，磚頭厚度的書，硬是被我翻散了線，MFC儘管真的晦澀難懂，但候老卻能把Windows的消息機制及MFC中整個個宏體系，系統地通俗地描述出來，令讀者不須要花費太多精力去理解猜想書中字面的意義，大大下降的VC++中MFC的學習門檻。但老農畢竟只是一個一線開發人員，不是專業的技術資料翻譯人才，不可能有候老師的專業水平，所以，我也只可盡我所能把內容儘可能描述得通俗一些，讓讀者儘可能容易理解，花費更少的時間掌握這些知道要點。

本文以Optaplanner 7.10.0 Final版本的開發手冊做爲基礎進行翻譯。

1. Optapplanner 介紹

1.1. 什麼是Optaplanner?

 　　每一個組織都須要面對規劃、排程問題：在有限的資源約束下提供服務與產品（例如人員，資產，時間及資本等限制）。Optaplanner能夠優化這類規劃、排程問題，令到使用它的組織能夠用更少的資源作更多的事（儘量的花少錢辦大事）。這就是著名的的約束知足規劃，它屬於運籌學的一部分。

Optaplanner是一個輕量的、可嵌入的，能夠對規劃問題進行優化的約束知足引擎，它能夠解決案例有：

• 員工排班：爲護士、維修工等人員制定上班時間表。
• 方程安排：安排會議、約見、維修工做、廣告時間等。
• 教育領域的時間安排：安排課程、課堂、考試、會議講座等。
• 規劃車輛運動路線：經過已知的地圖工具，爲貨運、客運（貨車、火車、輪船、航班等）規劃交通工具多目標的運行路線。
• 裝箱問題：向容器、貨車、輪船和倉庫裝載貨物，同時能夠規劃電腦的資源加載利用，例如雲計算的資源分配問題。
• 車間生產安排：規劃汽車組裝生產線，機器隊規劃，勞動任務的規則等。
• 下料問題：在下料分割的時候，實量最小的浪費，例如切割紙張、鋼鐵、地毯等。
• 運動賽事安排：規劃比賽和訓練，例如安排足球聯賽、棒球聯賽等。
• 金融優化：投資組合優化、實現風險分散等。

1.2. 什麼是規劃問題？

　一個規劃問題，基於有限的資源和指定的約束，有一個優化目標。優化目標能夠是多種事物，例如：

• 利潤最大化 - 優化目標得出的結果是盡能夠高的利潤。
• 最小化生態足跡（即儘量減小對生態的影響） - 優化目標是對環境產生儘量小的影響。
• 最大化員工或客戶的知足度 - 優化目標重視員工與客戶的須要。

實現這些目標的能力依賴於可用資料的數量，例如：

• 人員數量
• 時間
• 預算
• 特殊資產，例如機臺，車輛，計算機，建築物等。

與這此資源相關的約束也必然計算在內，例如，一我的的工做小時數， 他們可以使用（操做）的機臺數量，設備之間的兼容性等。

Optaplanner能夠幫助Java程序員有效地解決約束知足問題， 在Optaplanner引擎中，對每一個有效的約束分數計算中，組合了啓發式和元啓發式算法。 

 1.2.1 規劃問題屬於NP-Complete問題或NP-hard問題

　　上述全部的案例或許都屬於NP-complete/NP-hard問題，（什麼是NP-Complete/NP-hard問題呢？），在外行人看來，它的定義是：

　　對於一個問題：

• 在合理時間內能夠容易地驗證一個給定的解。
• 在合理時間內，目前尚沒有行之有效的解法，能找到其絕對最優解(注1)。

　　(注1)：至少，到目前爲止，仍未有一個世界上最聰明的計算機科學家能找到此方法。但是一旦他們找到對其中一個NP-Complete問題的有效解法，那麼這個方法對全部NP-Complete問題都是可行辦法。事實上，若是任何人只需證實是這種解法的存在與否，便可得到100萬美圓的獎勵。

　　其實這其含義是至關悲觀的：要解決這些問題或許比你預想中更困難，由於目前針對這種問題的常見兩種技術是未足夠解決此類問題的。這兩種方法是：

• 暴力算法(儘管是一些優化過，相對聰明的暴力算法變種), 但得到其解所需的時間很是長(譯者：主要緣由是時間複雜度很是高)。
• 快速算法，例如在Bin packing問題中，先裝入最大項；但獲得的解離絕對最優解仍存在至關大距離的。

經過使用一些更高級的算法，Optaplanner能夠在合理的時間內，對這些規劃問題找到相對較優解。

 

 1.2.2 規劃問題存在約束（包括硬約束與軟件約束)

　　一般來講，一個規劃問題至少包括兩個層次的約束：

• (負面)硬約束，不可被違反。例如：一個教師在同節的時間內不能同時上兩門課。
• (負面)軟件約束，若可避免，它不該該被違反。例如：教師都不太喜歡在週五下午上課。

　　也有些問題存在一些正面的約束：

• 正面分數在可能狀況下應該實現。例如：教師B喜歡在週一上午上果。

　　一些比較基礎的規劃問題(例如8王后問題)，只存在硬約束；有一些規劃問題則存在超3層，甚至更多層次的約束。例如：硬約束，中間約束和軟約束。

　　這些約束會被定義在規劃問題的Score calculation裏(也稱爲適應度函數)裏。規劃問題裏的每個解的優劣，均可以經過分數來評價。在Optaplanner中，分數約束是經過面向對象語文編寫的，例如Java代碼或經過Drools腳本實現的rules. 這些代碼至關容易編寫，靈活且易於擴展。

 1.2.3 規劃問題存在巨大的搜索空間

　　一個規劃問題存在很是多的解，這些解能夠分爲如下數種：

• 可能解：規劃問題的任意一個解都稱做可能解，不管這個解是否違反了約束，或違反了多少約束。規劃問題每每存在使人難以致今的巨量可能解，這裏面不少解是毫無價值的。
• 可行解：規劃問題的可行解是指沒有違反任何（負面）硬約束的解。一個規劃問題的可行解的數量，與其可能解相關。有時也不存在可行解，一個規劃問題的每個可行解，都是該問題的一個可能解。
• 絕對最優解:絕對最優解是這個規則問題得到約束分最高的那個解。規劃問題一般只有1個或少許數個絕對最優解。一般存在至少1個絕對最優解，儘管當這個規劃問題不存在可行解，它也存在絕對最優解，這時候絕對最優解就是非可行解。
• 相對最優解:相對最優解是指規劃問題在必定的求解時間內獲得評分最高的解。相對最優解一般是可行解，只要有足夠的運行時間，找到的相對最優解就是絕對最優。

　　此外，儘管基於一個較小的數據集描述的一個規劃問題，其可能解的數量一般是很是巨大的（若是計算正確的話）。正如你從示例中能夠看到，大多數狀況下，一個規劃問題的可能解數量，對目前已知宇宙的原子數量還要多(10的80次方)。由於目前尚未直接的辦法找出規劃問題的絕對最優解，一些求解實現方法是經過暴力窮舉的方法，至少能夠窮舉全部可能解中的一個子集。

　　OptaPlanner支持多種優化算法，以有效地涉足大量可能解，根據不一樣使用場景的狀況，一些優化算法的性能比其它算法更佳，但哪一個更佳是沒法預先告知的（譯者：須要經過Benchmark等功能測定）。在Optaplanner裏，很容易能過修改幾行XML內容或Java code，來更改求解器的配置，從而切換不一樣的優化算法。

【未完，待續...】

 

原創不易，若是以爲文章對你有幫助，歡迎點贊、評論。文章有疏漏之處，歡迎批評指正。

---

本系列文章在公衆號不定時連載，請關注公衆號（讓APS成爲可能）及時接收,二維碼：

如需瞭解更多關於Optaplanner的應用，請發電郵致：kentbill@gmail.com
或到討論組發表你的意見：https://groups.google.com/forum/#!forum/optaplanner-cn
如有須要可添加本人微信（13631823503）或QQ(12977379)實時溝通，但因本人平常工做繁忙，經過微信,QQ等工具可能沒法深刻溝通，較複雜的問題，建議以郵件或討論組方式提出。(討論組屬於google郵件列表，國內網絡可能較難訪問，需自行解決)