Timefold 1.13课表求解器暂停后无法优化及连续优化问题咨询

为什么暂停后继续求解解不再优化？ #

• 随机状态未持久化：Timefold的*局部搜索（Local Search）*依赖随机选择移动来探索更优解。你终止求解时未保存Solver内部的随机状态，重启时又使用了相同的seed=0（日志明确显示），导致搜索路径和之前中断的进程完全重复，无法跳出当前的局部最优解。
• REPRODUCIBLE模式限制：你的Solver运行在REPRODUCIBLE环境模式下，该模式下Solver的所有行为完全由随机种子控制，无额外随机性。重启时复用相同种子，搜索只会重复之前的步骤，不会探索新路径，自然无法优化现有解。
• 未复用Solver实例：每次继续求解都新建了Solver实例，而非复用之前终止的实例。新实例虽从当前解开始，但局部搜索的初始状态与中断时不一致，无法找到更优的移动方向。

如何实现连续优化？ #

• 保存并恢复Solver状态：终止求解前，调用solver.getSolverState()保存当前Solver的完整状态（包括随机状态、搜索进度等）。后续继续求解时，通过solverFactory.buildSolver(savedSolverState)重建Solver，再执行solve()即可接续之前的搜索进度。
• 调整随机策略或环境模式：若无需严格可复现性，将环境模式改为PRODUCTION，或每次重启时使用不同的随机种子，让局部搜索能够探索新的路径。
• 复用Solver实例：避免每次新建Solver，保留终止后的Solver实例，直接调用solver.solve(problem)继续求解（若问题数据有更新，需先更新问题对象再传入）。
• 配置多样化搜索策略：在Solver配置中添加Late Acceptance或Tabu Search等策略，降低搜索陷入局部最优的概率，即使中断后重启也有机会找到更优解。

内容的提问来源于stack exchange，提问作者sezam