Drools OptaPlanner上一个调度问题的结构/优化

我想用OptaPlanner生成一个计划，有以下问题：

• “任务”是规划实体
  • 它有固定的持续时间
  • 它有一个员工（计划变量），必须与所需技能相匹配
  • 它有一个工作站（计划变量），必须与所需的属性相匹配
  • 它具有依赖性：某些任务必须在其他任务之后启动
  • 有些任务有最后期限

首先，基于OptaPlanner任务分配示例，我尝试使用链式/阴影变量。在我的第一次尝试中，我将员工作为锚，并让工作站管理层对解算器执行以下操作：

我很快发现这种方法存在问题。在这里，任务A和任务B（以及所有其他任务）在不在同一个链上时对另一个有影响，而且链的前一个元素没有足够的信息来确定任务的开始时间。此外，最糟糕的是，在这个模型中，工作站的变化没有被跟踪，解决方案是没有意义的，因为工作站可以被多次使用

为了解决工作站跟踪问题，我将工作站添加到锚中，并进行了所有员工/工作站组合

通过这种方式，我了解每条链上的员工和工作站。但是，这并不能解决链上任务的开始时间依赖于其他链上的任务（例如，任务a和任务D共享同一工作站）的问题，因此任务插入/删除会对其他链产生影响，这不是精神

我最终放弃了链式变量的想法，因为它们的用法似乎不适合我的问题

所以我修改了我的类，任务的开始时间现在由OptaPlanner的解算器决定，由纯drools规则和ValueRangeProvider驱动

当我只有以下规则时：

• 无员工恢复（硬）
• 无工作站恢复（硬）
• 技能和属性要求（硬）
• 截止日期在截止日期之前结束的任务（软，可以是中等）
• 尽快结束任务（结束时间平方和，软）

我可以很快找到一个似乎是最好的解决方案

但是，当我在任务之间添加依赖项时（通过一个硬规则来确定任务依赖项是否在任务开始后结束），复杂性似乎会急剧增加，因此对于几十个任务来说，只有2个操作员、3个工作站，这是一个令人满意的解决方案（任务之间没有意外的漏洞）可能需要一个小时，参数如下：

• 实验长度：10000分钟
• 粒度：1分钟

我还有一个任务难度比较程序，可以帮助解决者将最难的任务放在前面

这对于一些任务来说是非常长的，当插入用户可用性的概念时，情况会糟糕得多，我甚至怀疑它永远不会收敛，因为任务结束时间将根据可用性“跳跃”

因此，我的问题是：

• 是否有适合我的问题的利用链式变量的解决方案
• 他们是否对解算器/规则/其他方面进行了优化，从而可以给我带来宝贵的加速