optapy下载 - optapy源码下载

optapy

Ai源码

9.37.0b0

下载

奥普塔Py

OptaPy 是Python 的人工智能约束求解器，可优化车辆路线问题、员工排班、维护计划、任务分配、学校时间表、云优化、会议安排、作业车间调度、装箱和更多规划问题。

OptaPy 在内部包装了 OptaPlanner 引擎，但在 Python 中使用 OptaPy 比在 Java 或 Kotlin 中使用 OptaPlanner 慢得多。

尝试 OptaPy Jupyter 笔记本。

要求

安装 Python 3.9 或更高版本。
安装JDK 11及以上版本，环境变量JAVA_HOME配置为JDK安装目录。

源代码概述

领域

在 OptaPy 中，域由三部分组成：

问题事实不会改变
规划实体，具有一个或多个规划变量
规划解决方案，定义问题的事实和实体

问题事实

要声明问题事实，请使用@problem_fact装饰器

 from optapy import problem_fact


@ problem_fact
class Timeslot :
    def __init__ ( self , id , day_of_week , start_time , end_time ):
        self . id = id
        self . day_of_week = day_of_week
        self . start_time = start_time
        self . end_time = end_time

规划单位

要声明规划实体，请使用@planning_entity装饰器

 from optapy import planning_entity , planning_id , planning_variable

@ planning_entity
class Lesson :
    def __init__ ( self , id , subject , teacher , student_group , timeslot = None , room = None ):
        self . id = id
        self . subject = subject
        self . teacher = teacher
        self . student_group = student_group
        self . timeslot = timeslot
        self . room = room

    @ planning_id
    def get_id ( self ):
        return self . id

    @ planning_variable ( Timeslot , value_range_provider_refs = [ "timeslotRange" ])
    def get_timeslot ( self ):
        return self . timeslot

    def set_timeslot ( self , new_timeslot ):
        self . timeslot = new_timeslot

    @ planning_variable ( Room , value_range_provider_refs = [ "roomRange" ])
    def get_room ( self ):
        return self . room

    def set_room ( self , new_room ):
        self . room = new_room

@planning_variable方法装饰器用于指示哪些字段可以更改。必须以 get 开头并具有相应的 set 方法（即get_room(self) 、 set_room(self, newRoom) ）。装饰器的第一个参数是规划变量的类型（必需）。 value_range_provider_refs参数告诉 OptaPlanner 此规划变量可以从规划解决方案上的哪些值范围提供程序获取值。
@planning_id用于唯一标识特定类的实体对象。不同类的实体可以使用相同的Planning Id，但同一类的所有实体的id必须不同。

规划方案

要声明规划解决方案，请使用@planning_solution装饰器

 from optapy import planning_solution , problem_fact_collection_property , value_range_provider , planning_entity_collection_property , planning_score

@ planning_solution
class TimeTable :
    def __init__ ( self , timeslot_list , room_list , lesson_list , score = None ):
        self . timeslot_list = timeslot_list
        self . room_list = room_list
        self . lesson_list = lesson_list
        self . score = score

    @ problem_fact_collection_property ( Timeslot )
    @ value_range_provider ( range_id = "timeslotRange" )
    def get_timeslot_list ( self ):
        return self . timeslot_list

    @ problem_fact_collection_property ( Room )
    @ value_range_provider ( range_id = "roomRange" )
    def get_room_list ( self ):
        return self . room_list

    @ planning_entity_collection_property ( Lesson )
    def get_lesson_list ( self ):
        return self . lesson_list

    @ planning_score ( HardSoftScore )
    def get_score ( self ):
        return self . score

    def set_score ( self , score ):
        self . score = score

@value_range_provider(range_id)用于指示方法返回计划变量可以采用的值。可以通过@planning_variable的value_range_provider_refs参数中的 id 来引用它。它还应该有一个@problem_fact_collection_property或@planning_entity_collection_property 。
@problem_fact_collection_property(type)用于指示方法返回问题事实。装饰器的第一个参数是问题事实集合的类型（必需）。它应该是一个列表。
@planning_entity_collection_property(type)用于指示方法返回规划实体。装饰器的第一个参数是规划实体集合的类型（必需）。它应该是一个列表。
@planning_score(scoreType)用于告诉 OptaPlanner 哪个字段保存分数。该方法必须以 get 开头，并具有相应的 set 方法（即get_score(self) 、 set_score(self, score) ）。装饰器的第一个参数是分数类型（必需）。

约束条件

您可以使用 ConstraintFactory 定义约束

 from domain import Lesson
from optapy import constraint_provider
from optapy . types import Joiners , HardSoftScore


@ constraint_provider
def define_constraints ( constraint_factory ):
    return [
        # Hard constraints
        room_conflict ( constraint_factory ),
        # Other constraints here...
    ]

def room_conflict ( constraint_factory ):
    # A room can accommodate at most one lesson at the same time.
    return constraint_factory . for_each_unique_pair ( Lesson ,
                # ... in the same timeslot ...
                Joiners . equal ( lambda lesson : lesson . timeslot ),
                # ... in the same room ...
                Joiners . equal ( lambda lesson : lesson . room )) 
        . penalize ( "Room conflict" , HardSoftScore . ONE_HARD )

有关约束流的更多详细信息，请参阅 https://www.optaplanner.org/docs/optaplanner/latest/constraint-streams/constraint-streams.html

解决

 from optapy import solver_factory_create
from optapy . types import SolverConfig , Duration
from constraints import define_constraints
from domain import TimeTable , Lesson , generate_problem

solver_config = SolverConfig (). withEntityClasses ( Lesson ) 
    . withSolutionClass ( TimeTable ) 
    . withConstraintProviderClass ( define_constraints ) 
    . withTerminationSpentLimit ( Duration . ofSeconds ( 30 ))

solver = solver_factory_create ( solver_config ). buildSolver ()
solution = solver . solve ( generate_problem ())