解决具有许多预分配的任务

Question

我要解决的问题包括大约 800 个任务，这些任务必须分配给大约 120 名工人。工人必须有资格完成这项任务，并且每周只有一定数量的可用小时数。大约 80% 的作业已经预先分配。这意味着它们应该被保留，但如果其他 20% 无法解决，则可能违反预分配。
我已经有一个使用 Choco 求解器的模型，如果违反了预分配，它会使用惩罚，并且目标是最小化惩罚。然而，我认为这不是很有效，因为求解器不会通过分配预先分配的变量来启动搜索策略。我已经在这里（How to define propagation starting point in Choco 3.3）专门针对 Choco 提出了这个问题。

但是是否有其他求解器可以更轻松地完成此操作？最好写我自己的求解器吗？ 如有任何建议，我将不胜感激。

编辑： 我曾尝试编写自己的 Choco 策略。对于一个小问题它可以正常工作，但对于大问题它没有找到解决方案。我不确定是否允许我在 getDecision 中所做的一切（例如检查 isInstantiated），并且我找不到任何有关如何编写扩展 AbstractStrategy 的策略的文档或教程。我会很感激任何关于可能是什么问题的指示。 （prios矩阵中的绝对优先级越高，越早分配变量。如果优先级为负，则分配0，如果为正，则分配1。最高优先级为9999）

    public class PriorityStrategy extends AbstractStrategy<IntVar> {

        int[] prios;

        // Search strategy parameters
        VariableSelector<IntVar> variableSelector;
        IntValueSelector valueSelectorLB;
        IntValueSelector valueSelectorUB;
        DecisionOperator<IntVar> decisionOperator;

        // object recycling management
        PoolManager<IntDecision> decisionPool;

        int currentIndex = -1;
        HashMap<IntVar, Integer> bestsMap = new HashMap<IntVar, Integer>();

        public PriorityStrategy(IntVar[] vars, int[] prios) {
            super(vars);
            this.prios = prios;
            valueSelectorLB = new IntDomainMin();
            valueSelectorUB = new IntDomainMax();
            variableSelector = new Random<IntVar>(123); //new Occurrence<IntVar>();
            this.decisionPool = new PoolManager<>();
        }

        @Override
        public Decision<IntVar> getDecision() {
             IntVar next = null;
             List<IntVar> bests = new ArrayList<IntVar>();

             int bestPrio = 0;
             for (int i = 0; i < vars.length; i++) {
                int currentPrio = Math.abs(prios[i]);
                if (currentPrio >= bestPrio && !vars[i].isInstantiated() || 
                        (next == null && !vars[i].isInstantiated())) {
                    if(currentPrio == 9999) {
                        currentIndex = i;
                        bests.clear();
                        bestsMap.clear();
                        return computeDecision(vars[i]);
                    }
                    if(currentPrio > bestPrio) {
                        bestPrio = currentPrio;
                        bests.clear();
                        bestsMap.clear();
                    }
                    bests.add(vars[i]);
                    bestsMap.put(vars[i], i);
                }
            }
            if(bests.size()>0) {
                next = variableSelector.getVariable(bests.toArray(new IntVar[bests.size()]));
                currentIndex = bestsMap.get(next);
            }
            return computeDecision(next);
        }

        @Override
        public Decision<IntVar> computeDecision(IntVar variable) {
            if (variable == null || variable.isInstantiated()) {
                return null;
            }
            int currentVal;
            if(prios[currentIndex] > 0){
                currentVal = valueSelectorUB.selectValue(variable);
            } else {
                currentVal = valueSelectorLB.selectValue(variable);         
            }
            System.out.println("Idx " + currentIndex);
            IntDecision current = decisionPool.getE();
            if (current == null) {
                current = new IntDecision(decisionPool);
            }
            current.set(variable, currentVal, DecisionOperator.int_eq);
            return current;
        }

    }

Answer 1

为什么不改变求解器的搜索策略，让它从预先分配的变量开始呢？文档中对此进行了描述。