上一篇介紹了OptaPlanner 7.32.0.Final版本中的SolverManager介面可以實現非同步求解功能。本篇將繼續介紹SolverManager的另一大特性 - 批量求解。

適用場景

在日常的規劃系統中，求解一個問題，絕大多數情況下，容許執行的時間較有限，特別是在實時性較高的場景中，可讓引擎運算時間不多。因此，這種情況下，會在啟動了規劃運算後，稍等片刻，即需要從求解程式中獲取結果。但有些情況下，當我們遇到問題規模較大時，引擎無法在較短時間內找到相對最優解；甚至某些情況下，沒有足夠長的執行時間，可行解都可能無法找到。至於原因，可以參考我前面關於OptaPlanner入門文章中關於NPC, NP-Hard問題規模的說明。

因此，在一些規模大、時間要求不高的場景下，我們可以讓引擎在空餘時間自動運算。例如通過定時作業的方式，在非工作時間（例如晚間、節假日等）啟動引擎對大多個規模的問題進行規劃運算；第二天上班的時候，就可獲得運算結果。在釋出SolverManager之前，我們也完全可以針對不同的場景，設計相應的定時作業程式，讓引擎運算自動執行。當然，這種方法與非同步規劃的問題一樣，需要一定的系統設計經驗才能把架構設計完美。而7.32.0.Final版本提供的SolverManager介面，則提供一種更簡便的方法來實現些需求。

SolverManager批量規劃特性

詳細一下SolverManager介面，你應該會發現，與Solver物件的solve方法不同，使用SolverManager的sovle方法對一個問題進行求解時，除了把問題物件作為引數傳入solve方法外，還需要傳入一個problemID作為引數。其實對於這個引數很好理解，因為SolverManager可以同時對多個問題進行解，必須存在一種方法來識別不同的問題，規劃完成後，呼叫方也需要通過指定的識別號，來獲取相應的方案。SolverManager同時對多個問題進行求解時，對問題個數有何要求？它的求解行為是怎麼樣的呢？

SolverManager批量求解的行為

可同時求解多少個問題？

其實SolverManager不僅可以實現批量求解問題，而且可以實現同時對多 問題並行求解。通過設定SolverManager的parallelSolverCount屬性，可以設定引擎在批量運算時，可以並行求解的問題數。即當SolverManger啟動求解運算時，會將parallelSolverCount設定的數量的問題載入運算空間並行求解。通常parallelSolverCount值可以根據CPU、記憶體等計算機資源的情況，及問題的複雜度而推算。若無法判斷此數量，也可以將parallelSolverCount設定為AUTO，引擎會根據具體情況，自動確定並行運算問題的數量，通常情況下，並行數是CPU核心數量的一半。

值得注意的是，此處的多個問題並行運算，與之前的求解過程多執行緒運算（Multithreaded incremental solving）是兩個概念。多執行緒並行運算，指的是引擎在求解一個問題時，會將不同的可能解的子集分成多個執行緒同時計算（主要是計算約束分數和執行啟發式演算法）。而SolverManager的批量求解過程中，parallelSolverCount屬性設定的，是引擎在面對多個問題時，同時求解的問題個數。大家可以設想，如果把Multithreaded incremental solving也啟動起來，令引擎在對一個問題求解時可使用多個CPU核心，同時對多個問題並行求解。這種情況涉及的問題就沒那麼簡單。因此，除非你對問題的複雜程度，CPU的核心和運算能力非常清晰，否則上述兩個功能，還是設定為自動更好，引擎會根據計算資源運算時的工況，動態地自動確定並行求解的問題個數，及每個問題求解過程中應啟動的執行緒個數。經歷過單CPU多執行緒程式設計的朋友應該知道，多執行緒可以提高資源利用率，但有時候執行緒數量控制得不好，效能上卻是起反效果的，最簡單的是CPU的執行緒切換會消耗一定資源的。

批量求解的作用

在一些不太需要實時規劃，規劃求解不需要太頻繁，運算需時較長的情況，批量求解就可以發揮較好作用。例如需要做一些季度或年度的大型供應鏈計劃，因規劃實休數量較大，問題空間可能非常巨大，需要花費相當長的時間才能得行相對最優解，甚至只能是可行解。可通過批量求解的方式，讓引擎在空餘時間（例如晚上、非工作日）進行運算，從而提高伺服器資源的利用率。

基本用法

以下例子是OptaPlanner使用者指南的例子，大家先作參考，目前還沒有時間去研究SolverManager在示例程式中的程式碼，暫時也不知道官方示例中是否已經有SolverManager相關程式碼；若沒有，稍後的時候我自己試用一下這些功能，再寫一篇東西出來分享給大家。

public class TimeTableService {

    private SolverManager<TimeTable, Long> solverManager;

    // Returns immediately, call it for every dataset
    public void solveBatch(Long timeTableId) {
        solverManager.solve(timeTableId,
                // Called once, when solving starts
                this.findById,
                // Called once, when solving ends
                this.save);
    }

    public TimeTable findById(Long timeTableId) {...}

    public void save(TimeTable timeTable) {...}

}

原創不易，如果覺得文章對你有幫助，歡迎點贊、評論。文章有疏漏之處，歡迎批評指正。

本系列文章在公眾號不定時連載，請關注公眾號（讓APS成為可能）及時接收,二維碼：

http://weixin.qq.com/r/WjtFXSvE2HanrW8_925I (二維碼自動識別)

如需瞭解更多關於OptaPlanner的應用，請發電郵致：[email protected]
或到討論組發表你的意見：https://groups.google.com/forum/#!forum/optaplanner-cn
若有需要可新增本人微信（13631823503）或QQ(12977379)實時溝通，但因本人日常工作繁忙，通過微信,QQ等工具可能無法深入溝通，較複雜的問題，建議以郵件或討論組方式提出。(討論組屬於google郵件列表，國內網路可能較難訪問，需自行解