寻求OptaPlanner项目作业调度自定义输入格式指导

一、先理清OptaPlanner输入的核心逻辑 #

OptaPlanner的输入本质是问题实体集合，核心分为三类：

• 问题事实（Problem Fact）：固定不变的基础数据或约束条件，比如可用机器、工人、作业工艺路线、时间窗口等，这类数据不会被规划器修改
• 规划实体（Planning Entity）：需要被调度/分配的对象，比如作业任务，它包含规划变量（Planning Variable）——也就是需要优化的属性，比如任务分配到哪台机器、任务开始时间
• 规划解决方案（Planning Solution）：封装所有问题事实、规划实体的顶层容器，是规划器的输入和输出载体

二、构建自定义输入的具体步骤 #

1. 定义问题事实类 #

以机器资源为例，这类类不需要OptaPlanner注解，仅用于存储固定数据：

public class Machine {
    private Long id;
    private String name;
    private Integer capacity; // 机器最大承载量
    // 无参构造器、getter/setter
}

2. 定义规划实体类 #

以作业任务为例，标记需要优化的属性为规划变量：

@PlanningEntity
public class Task {
    private Long id;
    private String taskName;
    private Integer duration; // 任务耗时（分钟）
    
    @PlanningVariable(valueRangeProviderRefs = {"machineRange"})
    private Machine assignedMachine; // 待分配的机器
    
    @PlanningVariable(valueRangeProviderRefs = {"timeRange"})
    private LocalDateTime startTime; // 任务待确定的开始时间
    
    // 无参构造器、getter/setter
}

• @PlanningEntity：标记该类是需要规划优化的实体
• @PlanningVariable：标记需要动态调整的属性，valueRangeProviderRefs关联该属性的可选值来源

3. 定义规划解决方案类 #

这是输入的顶层结构，整合所有问题事实和规划实体：

@PlanningSolution
public class ScheduleSolution {
    // 问题事实：所有可用机器，同时作为assignedMachine的取值范围
    @ProblemFactCollectionProperty
    @ValueRangeProvider(id = "machineRange")
    private List<Machine> machineList;
    
    // 规划实体：所有待调度任务
    @PlanningEntityCollectionProperty
    private List<Task> taskList;
    
    // 问题事实：调度时间范围，作为startTime的取值范围
    @ProblemFactProperty
    @ValueRangeProvider(id = "timeRange")
    private TimeRange timeRange;
    
    // 规划得分：输入时为null，规划器运行后填充评估结果
    @PlanningScore
    private HardSoftScore score;
    
    // 无参构造器、getter/setter
}

• @PlanningSolution：标记该类是规划问题的解决方案载体
• @ProblemFactCollectionProperty/@ProblemFactProperty：标记问题事实数据
• @ValueRangeProvider：为规划变量提供可选值范围
• @PlanningEntityCollectionProperty：标记待优化的实体集合

三、JSON输入示例解析（对应上述模型） #

以下是匹配上述类结构的JSON输入，可直接用于OptaPlanner的JSON反序列化：

{
  "machineList": [
    {"id": 1, "name": "MachineA", "capacity": 2},
    {"id": 2, "name": "MachineB", "capacity": 1}
  ],
  "taskList": [
    {"id": 101, "taskName": "Assembly", "duration": 180},
    {"id": 102, "taskName": "Painting", "duration": 120}
  ],
  "timeRange": {
    "start": "2024-05-20T08:00:00",
    "end": "2024-05-20T18:00:00"
  },
  "score": null
}

• machineList：固定机器资源，属于问题事实
• taskList：待调度任务，规划变量assignedMachine和startTime留空由规划器填充，也可设置初始值
• timeRange：定义任务开始时间的可选区间
• score：输入阶段无需赋值，规划器运行后会生成对应得分

四、关键注意事项 #

• 所有实体类必须包含无参构造器，否则JSON反序列化会失败
• 规划变量的取值范围必须通过@ValueRangeProvider明确声明，要么来自问题事实集合，要么是数值/时间区间
• 如果存在任务依赖（如任务B必须在任务A完成后启动），需新增TaskDependency这类问题事实类定义依赖关系，并在得分规则中实现约束逻辑

内容的提问来源于stack exchange，提问作者mmusab