假设我有一个订单批处理问题（在仓库环境中），我想借助启发式方法来解决这个问题。特别是，我想为具有多个交叉通道的仓库实施一些众所周知的启发式算法，例如 S 形和最大间隙启发式算法。
如何在 MiniZinc 中实现它们？有可能吗？
我查阅了它的文档，但我只能找到 MiniSearch，它是一种用于在 MiniZinc 模型中指定元搜索的语言。 (http://www.minizinc.org/minisearch/documentation.html)
对此的一些见解将不胜感激。
【问题讨论】：
标签： optimization heuristics minizinc
您问题的答案很大程度上取决于您的启发式方法的性质。从 MiniZinc 方面，我将确定三种启发式方法：
没有简单的 MiniZinc 方式来处理启发式算法，您可能需要一些创造力才能以可用的方式实现您的启发式算法。以下是一些可能的解决方案：
如果您正在处理启发式求解，您可能不需要做任何工作；它已经为您提供了解决方案。但是，如果您想验证解决方案或确保最佳解决方案，则可以考虑使用解决方案运行模型或将解决方案用作热启动（分别）。 （如果它足够广泛，您甚至可以将启发式算法实现为 FlatZinc 求解器，但要考虑时间投资与可用性。）
在其他两种情况下，众所周知的解决方案是预先计算启发式并将它们包含在模型数据中。在搜索启发式的情况下，可能可以计算搜索变量的顺序。然后，您可以在 input_order 搜索启发式中使用此顺序。对于部分启发式，可以预先计算部分模型并将其直接包含在模型中。这对于问题来说通常过于局限。相反，如果您可以计算多个部分解，则可以将它们作为table 约束包含在内。
只有在启发式算法不依赖于搜索中的变量域时，才能使用之前的解决方案。当他们这样做时，我们通常会谈论“元搜索”。这是 MiniSearch 之类的实现。例如，在 MiniSearch 中，您可以反映上一个解决方案或上一个分配，并根据这些值建立新的搜索行为。这允许实施这些更具动态性的启发式方法。
即使是 MiniSearch，通常也不会在每个节点上运行。因此，在某些情况下，您可能无法直接在 MiniZinc 中使用启发式算法。在这种情况下，一个选项是将您的启发式算法添加到 FlatZinc 求解器，然后使用指定的注释调用它。
【讨论】：
warm_start，这将允许您从解决方案开始搜索，当您有解决方案的指示时，这可能是一种非常有效的机制。您可以为启发式实现求解器，例如fzn-gecode，但它通常不够有用。另一个想法是使用支持 MiniZinc 数据输入的启发式算法创建一个程序。这将允许您在相同数据上使用启发式求解器和 MiniZinc 求解器。 （在这种情况下，对于您的数据，JSON 是一个不错的选择）