保龄球协会赛季赛程自动规划方案开发技术咨询

一、确定优化目标与核心约束 #

硬性约束（必须满足） #

• 排除12月及场馆已预订日期
• 每队赛季参赛6次（即每个联赛需安排6场比赛）
• 相邻比赛日间隔为3或4周
• 大馆最多同时容纳2个联赛，其余2个场馆各容纳1个

优化目标（优先级从高到低） #

1. 最大化大馆利用率：尽可能每次安排2个联赛，减少场地闲置
2. 均衡联赛赛程分布：让每个联赛的比赛日尽可能均匀间隔，避免扎堆
3. 均衡场馆使用频次：大馆总使用场次约为其他两馆的2倍（因单次容量为2）

二、OpenOffice Calc 实现步骤 #

你已整理好可用日期，接下来按以下框架搭建：

1. 整理基础数据表 #

• 日期表：列出所有合规日期（排除12月/已预订），新增周间隔列，用DATEDIF(上一日期, 当前日期, "W")计算与上一可用日期的周差，筛选出差值为3或4的日期序列
• 联赛清单：7个联赛，每个联赛标记6支队伍的参赛次数需求（固定为6）
• 场馆清单：标记大馆（容量2）和普通馆（容量1）

2. 用规划求解（Solver）做赛程分配 #

OpenOffice的规划求解是核心工具，配置如下：

• 目标单元格：计算大馆有效使用率（每安排2个联赛计1分，安排1个计0.5分），设置为最大化
• 变量单元格：创建二维表（行=合规日期，列=联赛），单元格值为0/1（0=不安排，1=安排）；另建表匹配日期-联赛对应的场馆
• 约束条件：
  • 每个联赛对应的行总和=6（确保赛季6场比赛）
  • 单日期内，大馆对应的联赛数≤2，普通馆≤1
  • 每个联赛的相邻比赛日周差为3或4（用DATEDIF函数验证后添加约束）
  • 所有日期不在禁用列表内

3. 用函数验证约束 #

用COUNTIF、SUMIF实时校验：

• SUMIF(赛程表!A:A, "联赛1", 赛程表!B:B)：验证联赛1的总比赛次数是否为6
• DATEDIF(INDEX(赛程表!A:A, MATCH("联赛1", 赛程表!A:A, 0)), 下一个比赛日期, "W")：验证间隔合规性

三、Python 实现起点 #

如果Calc的规划求解灵活性不足，用Python的整数规划或启发式算法更高效：

1. 依赖库选择 #

• 整数规划：pulp（轻量级，易上手）或ortools（适合复杂约束）
• 日期处理：datetime

2. 核心代码示例 #

（1）初始化数据

from datetime import datetime, timedelta
import pulp

# 替换为你的日期列表和已预订日期
date_list = [datetime(2024,1,7), datetime(2024,1,28), ...]  # 示例日期
booked_dates = [datetime(2024,2,18)]  # 已预订日期

# 筛选合规日期：排除12月、已预订，且相邻间隔3/4周
available_dates = []
prev_date = None
for d in sorted(date_list):
    if d.month == 12 or d in booked_dates:
        continue
    if prev_date:
        weeks_diff = (d - prev_date).days // 7
        if weeks_diff not in (3,4):
            continue
    available_dates.append(d)
    prev_date = d

leagues = [f"League_{i}" for i in range(1,8)]
venues = {"Big_Venue": 2, "Venue_A":1, "Venue_B":1}  # 场馆：容量

（2）构建优化模型

# 创建最大化问题
prob = pulp.LpProblem("BowlingSchedule", pulp.LpMaximize)

# 变量：(日期, 联赛, 场馆) = 1 表示该组合生效
schedule_vars = pulp.LpVariable.dicts(
    "Schedule",
    [(d, l, v) for d in available_dates for l in leagues for v in venues],
    cat="Binary"
)

# 目标函数：最大化大馆使用率（满负荷计1分，半负荷计0.5分）
prob += pulp.lpSum([schedule_vars[(d,l,"Big_Venue")] for d,l in [(d,l) for d in available_dates for l in leagues]]) * 0.5

# 约束1：每个联赛必须安排6场
for l in leagues:
    prob += pulp.lpSum([schedule_vars[(d,l,v)] for d in available_dates for v in venues]) == 6

# 约束2：单日期单场馆容量不超限
for d in available_dates:
    for v, cap in venues.items():
        prob += pulp.lpSum([schedule_vars[(d,l,v)] for l in leagues]) <= cap

# 约束3：联赛相邻比赛间隔3/4周
for l in leagues:
    # 遍历所有日期对，确保选中的相邻日期间隔合规
    for i in range(len(available_dates)):
        for j in range(i+1, len(available_dates)):
            d1 = available_dates[i]
            d2 = available_dates[j]
            weeks_diff = (d2 - d1).days //7
            if weeks_diff not in (3,4):
                # 若间隔不合规，不能同时选中这两个日期作为该联赛的比赛日
                prob += schedule_vars[(d1,l,"Big_Venue")] + schedule_vars[(d1,l,"Venue_A")] + schedule_vars[(d1,l,"Venue_B")] + \
                        schedule_vars[(d2,l,"Big_Venue")] + schedule_vars[(d2,l,"Venue_A")] + schedule_vars[(d2,l,"Venue_B")] <= 1

（3）求解并输出结果

prob.solve(pulp.PULP_CBC_CMD(msg=0))  # 静默求解

# 输出最终赛程
print("最终赛程：")
for var in prob.variables():
    if var.varValue == 1:
        # 解析变量名
        parts = var.name.split("_")
        date_str = f"{parts[1]}-{parts[2]}-{parts[3]}"
        league = parts[4]
        venue = "_".join(parts[5:])
        print(f"日期：{date_str} | 联赛：{league} | 场馆：{venue}")

3. 备选：贪心算法快速生成初始方案 #

如果整数规划求解耗时，可先用贪心算法生成初始赛程再调整：

1. 给每个联赛分配6个符合间隔要求的日期
2. 对每个日期，优先将联赛分配到大馆，填满后再分配普通馆
3. 检查冲突（如场馆容量超限），调整日期或场馆分配

内容的提问来源于stack exchange，提问作者marie1611