优化Timefold课程排课项目中全局状态约束的性能

你当前的约束写法通过groupBy(t->0, toList())实现了“每次Lesson变更时仅计算一次全局状态影响”的需求，但冗余的分组操作确实会带来性能开销。以下是更高效的优化方案：

优化后的约束定义 #

直接使用ConstraintCollectors.count()作为分组收集器，无需手动指定无意义的groupKey，同时避免了创建全量Lesson列表的开销：

factory.forEach(Lesson.class)
    .groupBy(ConstraintCollectors.count())
    .impact(HardMediumSoft.ofHard(1), (count) -> GlobalState.getSingleton().getImpact())
    .asConstraint(id);

优化原理 #

1. 去掉冗余groupKey：使用单参数的groupBy(Collector)会自动将所有Lesson归为单一分组，无需手动指定t->0这类无意义的分组键，彻底避免了Group1Mapping0CollectorUniNode.createGroupKey的热点调用。
2. 轻量收集器替代：count()收集器仅统计Lesson数量，相比toList()无需创建和维护全量Lesson列表，内存占用和计算开销更低。
3. 保持触发逻辑不变：只要任意Lesson的Timeslot规划变量变更，该约束仍会重新计算，确保全局状态的影响能实时反映到分数中。

为什么不能直接遍历GlobalState #

你提到的factory.forEach(GlobalState.class).impact(...)写法无法满足需求，核心原因是：
Timefold的约束触发依赖于规划变量或问题事实的变更检测，GlobalState作为单例对象，Timefold无法感知到它是由Lesson变更间接更新的，因此不会在Lesson变更时重新计算该约束，导致分数与实际全局状态脱节。

内容的提问来源于stack exchange，提问作者hornisgrinde