OptaPlanner 中的爬山和禁忌搜索

Question

我正在使用 OptaPlanner 解决一些规划问题。我阅读了文档，但我不太确定爬山和禁忌搜索算法究竟是如何工作的。我不确定的是：

• 爬山选择是否只能选择比当前得分更好的最佳得分移动，还是允许选择不比当前得分更差的最佳得分移动？
• 禁忌搜索是否允许选择得分比当前得分更差的移动，如果没有移动导致解决方案的得分高于或等于当前得分？

Answer 1

对于爬山，请参阅HillClimbingAcceptor#isAccepted(...)。它接受任何得分优于或等于最后一步得分的移动。并且查看用于爬山的默认觅食配置（在LocalSearchPhaseConfig 中，上面写着foragerConfig.setAcceptedCountLimit(1);），只要接受 1 步，即是获胜步。

对于禁忌搜索，它将选择得分较低的动作，如果：

• 在它每步选择的移动数中（通常acceptedCountLimit 配置为1000 左右），没有看到更好的移动
• 或者所有能带来更好分数的动作都在禁忌列表中（它们是“禁忌使用”）。对于 solutionTabu，这意味着可以保证它们不会导致新的最佳解决方案（但 solutionTabu 是无用的）。对于 entityTabu，没有这样的 100% 保证，但如果您有超过 50 个变量（如果您有 1000 个以上变量），您将在大约 99.9999999999999999999999999999999999999999999999999999% 的情况下获得更好的结果。

PS：爬山很烂。没有理由不使用延迟接受或禁忌搜索。

PPS：使用 Benchmarker，让 HC、LA、TS、... 互相对抗。它会给你很多洞察力。