OR-Tools CP-SAT排班模型中判断布尔字面量真值以中断遍历的实现

首先明确两个关键认知偏差，也是你当前代码失效的根本原因：

• CP-SAT的建模阶段是纯约束定义环节，不存在“变量已经取得求解后真值”的状态。你代码中写的if self.tables[(...)] == True本质是对存储在字典中的BoolVarPython对象做布尔判断，这类对象本身没有实现自定义的真假判定逻辑，在if条件中永远会被当作真值处理。对应的break逻辑不仅无法匹配你设想的“求解时变量为真就停止遍历”的效果，还会导致循环过早中断——只要进入第一个匹配的分支，加完约束就立刻break，相当于每个教室、每节课只处理了时间槽序列的第一个位置，后续所有位置的约束根本没有被生成，完全偏离设计预期。
• 你设想的“变量为真就跳出遍历”的流程，混淆了建模阶段和求解阶段的边界：所有约束都是在求解器启动前全量生成的，不存在求解过程中动态停止生成约束的逻辑。

先明确业务规则的可建模形式 #

你要实现的“同日相邻绑定”核心语义为：

1. 同一门课、同一教室的所有排课位置，不能出现孤立单节——即如果某时间槽排了这门课，必须至少和同天相邻的一个同课程同教室时间槽绑定
2. 时间槽的“相邻”仅在同一天内有效，跨天的时间槽不存在相邻关系，不能纳入绑定范围
3. 对当天的首尾边界时间槽：如果排了课，必须绑定仅有的那个相邻时间槽；对中间时间槽：如果排了课，前后至少有一个相邻时间槽排了课

修正后的代码实现 #

def __lang_special_day_constraint_sticked(self, filtered_lessons, rooms, filtered_timeslots):
    # 确保传入的filtered_timeslots按天分组，结构为{day_id: [slot1, slot2, ...]}
    for day_id, day_slots in filtered_timeslots.items():
        for l in filtered_lessons:
            lesson_id = l.lesson['id']
            for r in rooms:
                room_code = r['code']
                # 遍历当天所有时间槽生成对应约束
                for idx, current_slot in enumerate(day_slots):
                    current_key = (lesson_id, room_code, current_slot)
                    if current_key not in self.tables:
                        continue
                    current_var = self.tables[current_key]
                    # 处理当天第一个时间槽：排了就必须绑定后一个相邻槽
                    if idx == 0:
                        next_slot = day_slots[idx + 1]
                        next_key = (lesson_id, room_code, next_slot)
                        if next_key in self.tables:
                            next_var = self.tables[next_key]
                            self.model.AddImplication(current_var, next_var)
                    # 处理当天最后一个时间槽：排了就必须绑定前一个相邻槽
                    elif idx == len(day_slots) - 1:
                        prev_slot = day_slots[idx - 1]
                        prev_key = (lesson_id, room_code, prev_slot)
                        if prev_key in self.tables:
                            prev_var = self.tables[prev_key]
                            self.model.AddImplication(current_var, prev_var)
                    # 处理中间时间槽：排了就必须绑定前或后至少一个相邻槽
                    else:
                        prev_slot = day_slots[idx - 1]
                        next_slot = day_slots[idx + 1]
                        prev_key = (lesson_id, room_code, prev_slot)
                        next_key = (lesson_id, room_code, next_slot)
                        has_prev = prev_key in self.tables
                        has_next = next_key in self.tables
                        # 前后变量都存在，用布尔或约束
                        if has_prev and has_next:
                            prev_var = self.tables[prev_key]
                            next_var = self.tables[next_key]
                            self.model.AddBoolOr([prev_var, next_var]).OnlyEnforceIf(current_var)
                        # 仅存在前序变量，直接加蕴含约束
                        elif has_prev:
                            prev_var = self.tables[prev_key]
                            self.model.AddImplication(current_var, prev_var)
                        # 仅存在后序变量，直接加蕴含约束
                        elif has_next:
                            next_var = self.tables[next_key]
                            self.model.AddImplication(current_var, next_var)

• 完全移除了无效的变量真假判断和break逻辑，所有约束都是基于符号关系提前定义，求解器会自动在变量取值时校验对应规则
• 约束生成的规模为线性复杂度，对CP-SAT求解器的性能开销极低，不需要靠中断遍历做冗余裁剪
• 额外兼容了时间槽边界的变量缺失场景，避免key不存在导致的报错

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