上一篇介紹了OptaPlanner 7.32.0.Final版本中的SolverManager接口可以實現異步求解功能。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，容許運行的時間較有限，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，會在啓動了規劃運算後，稍等片刻，即需要從求解程序中獲取結果。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，沒有足夠長的運行時間，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）啓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。在發佈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序，讓引擎運算自動運行。當然，這種方法與異步規劃的問題一樣，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接口，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接口，你應該會發現，與Solver對象的solve方法不同，使用SolverManager的sovle方法對一個問題進行求解時，除了把問題對象作爲參數傳入solve方法外，還需要傳入一個problemID作爲參數。其實對於這個參數很好理解，因爲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，調用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？它的求解行爲是怎麼樣的呢？
SolverManager批量求解的行爲
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。通過設置SolverManager的parallelSolverCount屬性，可以設置引擎在批量運算時，可以並行求解的問題數。即當SolverManger啓動求解運算時，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、內存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設置爲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線程運算（Multithreaded incremental solving）是兩個概念。多線程並行運算，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線程同時計算（主要是計算約束分數和執行啓發式算法）。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也啓動起來，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，還是設置爲自動更好，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啓動的線程個數。經歷過單CPU多線程編程的朋友應該知道，多線程可以提高資源利用率，但有時候線程數量控制得不好，性能上卻是起反效果的，最簡單的是CPU的線程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，從而提高服務器資源的利用率。
基本用法
以下例子是OptaPlanner用戶指南的例子，大家先作參考，目前還沒有時間去研究SolverManager在示例程序中的代碼，暫時也不知道官方示例中是否已經有SolverManager相關代碼；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。
本系列文章在公衆號不定時連載，請關注公衆號（讓APS成爲可能）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
若有需要可添加本人微信（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，國內網絡可能較難訪問，需自行解決)