关于OptaPlanner的使用（一）——简介

最近项目中有个要给司机排班的需求，自己写了一个可用的算法。看到网上介绍说有这个可以实现统筹规划的规则引擎OptaPlanner，学习一下，看能否满足需求进而可以替换掉自己写的算法。

可以用的地方就是需要一些排班，调度等方面的时候，当情况比较复杂，使用人力无法轻易得到一个相对最优的计划时，可以使用计算机的高处理速度，在当前的资源条件下，得到一个细致的执行命令，实现相对最优的资源配置。

先来说一下业务规则的种类：一种是硬规则，另一种是软规则。硬规则就是一些必定不能违反的规则，例如一个产品所使用的原料必然是指定范围内的，需要使用指定的机台进行生产，否则就不可能生产出来，或出来的必然是报废品。而有一些是软规则，就是一些规则老板们希望都不要违反，违反了会让他掉钱的，但客观事实出现了一些情况，没办法完全保证所有规则都 遵循，部分规则也只能放弃部分规则了，也就是两害相遇取其轻。

OptaPlanner所解决的问题几乎可以都被视为NPC问题，什么是NPC问题呢？
概括来说，就是一些没有办法使用确定性算法来得到结果的问题，而对于这类问题，又分为NP问题和NPC问题，但都只能通过遍历的办法才能找到。
NP问题：一种无法通过确定性算法直接获得解，但对获得的解是可验证的，比如只要求做出一个可行的生产计划，成本、效率什么的都不管，那么这就是一个NP问题。要做出这个计划，是没有直接的、确定的方法或算法来做的；更多的是靠计划人的经验、对实际情况的有限掌握、对未来情况的预判和感觉等。但是做出来的计划是可以验证的。也就是说这个生产计划是确定可以执行的，而不会出现缺少原材料等违反硬规则的情况， 所以做一个可行计划，可以被视作是NP问题。

NPC问题：则是那种不旦无法通过确定性算法获得解，对所得的解，也没有一个确定的办法去验证的问题。比如要求做一个所有情况下除了可行，还要成本最低、效率最高的生产计划。那么这个成本低效率高的情况是无法验证的，除非把所有的可能的生产计划都列出来，但有的时候一个计划的条件和情况会比较多比较复杂，哪怕是靠计算机，如果一个个去遍历的话，也要花很多时间。而OptaPlanner的进行的遍历是有条件有方法的，通过很多算法的组合（Tabu search算法，遗传算法，退火算法和爬山算法，禁忌搜索等），得到比一个个遍历效率更高的计划出来。

把官网PO出来：https://www.optaplanner.org/

可以下载Optaplanner的例子和文档看一下。例子在examples文件夹的runExamples.bat。
执行后会出现下列界面，是各种情况下的排序案例。可以先点着看看。

这一章先到这，下一章执行一个案例看看效果。