OptaPlanner纯Java代码构建求解器咨询（无需XML配置）

完全懂你的需求！OptaPlanner确实支持纯Java代码搭建求解器，完全不用依赖XML配置文件。我就拿经典的N皇后问题举例子，一步步带你实现你想要的那种链式调用式的求解器构建：

1. 先搞定领域模型的注解配置 #

即使不用XML，你的规划实体类和解决方案类还是需要用OptaPlanner的注解标记——这是求解器识别核心规划元素的基础，比如哪些是变量、哪些是实体、哪些是待解问题。

举个简化的N皇后模型示例：

// 规划实体类：皇后
@PlanningEntity
public class Queen {
    private Integer id;
    private Integer row;

    // 规划变量：皇后所在列（由求解器填充）
    @PlanningVariable(valueRangeProviderRefs = "columnRange")
    private Integer column;

    // 构造器、getter、setter自行补充
}

// 规划解决方案类：N皇后问题整体
@PlanningSolution
public class NQueens {
    private int n;

    // 列的取值范围提供器
    @ValueRangeProvider(id = "columnRange")
    public CountableValueRange<Integer> getColumnRange() {
        return ValueRangeFactory.createIntValueRange(0, n);
    }

    // 所有皇后的集合
    @PlanningEntityCollectionProperty
    private List<Queen> queenList;

    // 问题得分
    @PlanningScore
    private SimpleScore score;

    // 构造器、getter、setter自行补充
}

2. 核心：用SolverConfig纯代码配置求解器 #

接下来就是你想要的纯Java链式配置部分，通过SolverConfig类可以替代XML的所有配置项，包括得分计算器、搜索策略、终止条件等。

完整可运行示例代码 #

public class NQueensPureJavaSolver {
    public static void main(String[] args) {
        // 1. 初始化SolverConfig并绑定领域模型
        SolverConfig solverConfig = new SolverConfig()
                .withSolutionClass(NQueens.class)
                .withEntityClasses(Queen.class);

        // 2. 配置得分计算器（这里用你提到的EasyScoreCalculator）
        solverConfig.setScoreDirectorFactoryConfig(
                new ScoreDirectorFactoryConfig()
                        .withEasyScoreCalculatorClass(NQueensEasyScoreCalculator.class)
                        // 如果想用Drools规则得分，可替换为withScoreDrlString直接传入规则代码，无需drl文件
        );

        // 3. 配置终止条件：比如10秒内找到最优解就停止
        solverConfig.setTerminationConfig(
                new TerminationConfig()
                        .withSecondsSpentLimit(10L)
                        .withBestScoreLimit("0hard/0soft")
        );

        // 4. 配置搜索阶段：先构造启发式快速生成可行解，再局部搜索优化
        solverConfig.setPhaseList(List.of(
                new ConstructionHeuristicPhaseConfig()
                        .withConstructionHeuristicType(ConstructionHeuristicType.FIRST_FIT_DECREASING),
                new LocalSearchPhaseConfig()
                        .withLocalSearchType(LocalSearchType.LATE_ACCEPTANCE)
                        .withAcceptedCountLimit(1000L)
        ));

        // 5. 构建求解器并运行
        SolverFactory<NQueens> solverFactory = SolverFactory.create(solverConfig);
        Solver<NQueens> solver = solverFactory.buildSolver();

        // 生成初始未解决的8皇后问题
        NQueens unsolvedNQueens = createUnsolvedNQueens(8);
        // 求解
        NQueens solvedNQueens = solver.solve(unsolvedNQueens);

        // 输出结果
        System.out.println("求解完成，得分：" + solvedNQueens.getScore());
        solvedNQueens.getQueenList().forEach(queen ->
                System.out.printf("皇后%d：行%d，列%d%n", queen.getId(), queen.getRow(), queen.getColumn())
        );
    }

    // 生成初始未填充列的N皇后问题
    private static NQueens createUnsolvedNQueens(int n) {
        NQueens nQueens = new NQueens();
        nQueens.setN(n);
        List<Queen> queenList = new ArrayList<>();
        for (int i = 0; i < n; i++) {
            Queen queen = new Queen();
            queen.setId(i);
            queen.setRow(i);
            queen.setColumn(null); // 初始列设为null，交给求解器填充
            queenList.add(queen);
        }
        nQueens.setQueenList(queenList);
        return nQueens;
    }
}

3. 关键配置点说明 #

• 得分计算器：除了EasyScoreCalculator，还可以用IncrementalScoreCalculator（性能更优），或者直接通过withScoreDrlString传入Drools规则代码，完全脱离文件依赖。
• 搜索策略：可以灵活组合多个搜索阶段，比如构造启发式+局部搜索，也可以单独用一种搜索方式，根据问题复杂度调整即可。
• 终止条件：支持时间限制、步数限制、最优得分限制等多种条件，还可以组合使用（比如“找到最优解或运行10分钟就停止”）。

4. 注意事项 #

• 确保项目引入了OptaPlanner核心依赖（比如Maven的optaplanner-core包）。
• 注解是不可或缺的——它是求解器识别规划元素的核心依据，和XML配置只是配置方式的不同，核心逻辑是一致的。

内容的提问来源于stack exchange，提问作者baiyyang