教学优势
曙海教育的课程培养了大批受企业欢迎的工程师。大批企业和曙海
建立了良好的合作关系。曙海教育的课程在业内有着响亮的知名度。
本课程，秉承20年积累的教学品质，以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用经验、技巧。
课程简介：
课程目标：
课程大纲：
1理论基础
1.1运筹学规划与APS
1.1.1运筹优化的原理及其在现实生活中的应用；
1.1.2运筹优化中的数学规划原理；
1.1.3及其与APS技术的关系。
1.2规划问题NP-Hard/NP-Complete问题
非多项式时间可解问题的由来，及其在数学领域的意义，包括：
1.2.1问题规模的来由；
1.2.2何谓NP-Hard问题；
1.2.3对NP-Hard问题的常见解法。
1.3规划问题及问题规模
分析规划问题的构成及其问题规划(搜索空间)的大小
1.4求解器的原理及发展现状
包括：
1.4.1何谓求解器，及其包含的启动发式算法；
1.4.2国内外，开源、商用求解器的现状与选用；
1.4.3介绍世界若干最著名求解器的全面优缺点，包括OptaPlanner, Google OR-Tools, IBM CPLEX等
2OptaPlanner相关概念与应用基础
讲解OptaPlanner的一些必须掌握的概念及应用方法。
2.1OptaPlanner的寻优原理
介绍在规划运算过程中，OptaPlanner如何以评分作为基础，结合各种启发式算法进行最优方案寻找.
2.2约束及其分类
约束在求解器中的意义，从正负约束、软硬约束等角度对约束进行分类分析。
2.3评分及评分规则
评分与约束的关系，不同层次的分数对解的影响。
2.4评分在引擎中的实现（Java Scoring, Drools Scoring, ConstraintStream）
讲解OptaPlanner中可用的三种评分实现方式，及各种场景下的评分设计建议。
2.5规划问题的解(Planning problem and solution)
定义规则问题的可能解、可行解、相对最优解及绝对最优解
2.6Problem Fact，Planning Entity与Planning Variable
讲解使用OptaPlanner进行建模时的基本概念，及其在规划问题中，各自代表的意义。
2.7Planning Variable的类型（genuine & shadow）
讲解Planning Variable的类型、其意义及其在不同的模式中相互作用的机制。
2.8配置文件结构及内容（Solver Configuration）
讲解Solver的配置文件中，各个项目的意义及设置方法。
2.9Solver的使用
讲解OptaPlanner的入口对象Solver的构造过程。
2.9.1创建并使用solver对象
通过SoverFactory等工厂构造Solver, ScoreDirector等对象的方法
2.9.2诊断模式
讲解通过配置文件实现运行过程中，引擎的自检模式。
2.9.3日志输出
讲解配置运行过程中日志输出的方法；并讲解如何通过日志分析引擎的行为。
2.9.4解决方案的评分获取与分析
讲解根据引擎的输出结果对象，获取各个层评分的方法；并分析各层得分的来源。
2.10认识及应用Shadow Variable
掌握链的结构及构成原则，实现Shadow Variable随链变化而变化。讲解Chained Through Time模式。
2.11规划步骤与阶段
讲解引擎从开始到结束，对问题进行求解的步骤，包括：Exhaustive Search, Construction Heuristics 与Local Search
2.12简介各启发式寻优算法
对目前OptaPlanner支持的各种寻优算法进行讲解，包括其原理、优缺点及应用方法。
2.13分析解决方案的评分
通过 ConstraintMatchTotal来分析一个解决方案的约束违反情况，从而实现规划评分可视化
3OptaPlanner的评分体系
3.1Drools相关概念及应用
简单Drools的一些基础概念，以备在OptaPlanner进行评分过程中，可以灵活使用该规则引擎。
3.1.1Drools简介
讲解规则引擎Drools的背景与应用场景。
3.1.2Drools Script
讲解Drools脚本的语法与语义。
3.1.3Drools与在OptaPlanner中的应用
讲解如何通过Drools规则引擎，在OptaPlanner中实现评分。
3.2ConstraintStream – 约束流的应用
3.2.1约束流程的作用
讲解ConstraintStream如何实现增量评分计算
3.2.2约束流程的编写方法
讲解约束流程的常用设计、编写方法。包含约束流的构建块，惩罚、奖励方式等。
3.3Incremental 评分计算
Incremental Java score calculation的使用方法，优缺点与适用场景。
4OptaPlanner进阶应用
介绍一些OptaPlanner高级应用，及一些可提高性能及规划效率的方法与技巧。
4.1Score Calculation性能提升技巧
通过优化约束与规则的设计、使用内置硬约束等技巧，提高引擎的评分效率；从而在固定时间内获得更佳的解。
4.2时间分配模式
讲解OptaPlanner在进行时间分配及规则的时，支持的三种模式：TimeSolt，TimeGrain，及ChainedThrough Time, 模式的原理、构成、实现方法及应用场景
4.3时间计算技巧（将时间转为数值）
分享在引擎运行过程中，进行时间计算时，可提高性能、简化计算的方法。
4.4约束流的评分方式详解
讲解如何通过约束流实现约束评分，从而提高评分逻辑的性能、避免使用Drools编写评分逻辑。
5Optaplanner的规划步骤及Move的深入学习
讲解引擎在运行过程中的种个步骤构成，特别针对其具原子性的Move操作进行剖释。
5.1Move的行为分析
分析最基本的规划行为-Move的操作过程，从最基本的运算操作来认识引擎的寻优过程。
5.2MoveSelector与过滤技巧
在引擎运行过程中，如何通过MoveSelection过滤器将不合理及无意义的Move过滤掉，从而提高求解效率。
6OptaPlanner高级特征
6.1启用并行计算
讲解设计并行计算时的原则与技巧，并在7.10.0.Final及以后的版本中，通过配置实现引擎内部的并行运算，提高运行性能。
6.2实现非易失性规划的方法
通过实时规划来实现计划的非易失性。即通过对Planning Variable的值转换进行分析惩罚，减少前后两个计划的过度变化。
6.3实时规划
讲解实时计划的原理、原则及实现方法，实现在引擎运行过程中，与外界进行实时交互，并实现实时输出规则结果。
6.4锁定Planning Entity
通过引擎内部机制，实现在规则过程中对特定的Planning Entity实现锁定。
6.5BenchMark的应用
讲解如何通过BenchMark得到一个问题的规划建议方案，包括寻优算法的选用，其参数设定等。
6.6PJS模型的研究与应用
基于车间排产的场景，讲解如何通过对PJS模型进行衍生，用于解决多工序、多资源模型限制条件下的排程。
1.1SolverManager批量并行规划
讲解通过SolverManager进行多数据集并行计算
2实例演练
2.1基础应用 - 任务资源分配
设计、并开发一个将任务分配到合适的资源，并实现成本优化的规则程序
2.2高级应用 – 时间规划
设计开发一个将任务分配到指定的资源，并为每个任务分配开始时间的规则程序，即APS原型。
2.3简介具体代表性的官方示例（抽取较具代表性的三个案例讲解）
讲解CloudBalance, TaskAssiging及Vehicle Routingdg三个表性的案例。
2.4Project Job Scheduling模型详解
基于Project Job Scheduling讲解排程场景中通用的规划模型 – PJS
2.4.1PJS模块的常见结构
讲解PSJ模型及其衍生模型的常见结构与适用场景。
2.4.2PJS模型在OptaPlanner中的实现
通过OptaPlanner中的Project Job Scheduling示例，讲解PSJ模型的具体实现
练习
答疑
