Optaplanner：即使给 MH 足够的时间，元启发式和蛮力解决方案也不匹配

Question

我的理解是蛮力总是会给出最好的解决方案，但不会扩展。而元启发式将在一定的时间限制内提供最好的。含义如果给定足够的时间，它应该与蛮力解决方案相匹配。

但是，在我的实现中并没有发生。我通过蛮力算法得到了最好的解决方案，但即使我给了足够的时间，MH 也不一样。可能是什么原因。我认为我能想到的原因是 MH 陷入了局部最大值。但是，我试图从我的理解中避免这种情况。

我不分享实现，因为它很复杂。如果需要将分享代码。

更新：

我的 MoveSelector 配置-

<?xml version="1.0" encoding="UTF-8"?>
<solver>
  <!-- Domain model configuration -->
  <solutionClass>com.example.CutSolution</solutionClass>
  <entityClass>com.example.Size</entityClass>


  <!-- Score configuration -->
  <scoreDirectorFactory>
    <easyScoreCalculatorClass>com.example.CutplanEasyScoreCalculator</easyScoreCalculatorClass>
  </scoreDirectorFactory>

  <constructionHeuristic>
    <constructionHeuristicType>FIRST_FIT</constructionHeuristicType>
  </constructionHeuristic>
  <localSearch>
    <termination>
      <unimprovedSecondsSpentLimit>10</unimprovedSecondsSpentLimit>
    </termination>
    <unionMoveSelector>
      <changeMoveSelector/>
      <swapMoveSelector/>
      <pillarChangeMoveSelector/>
      <pillarSwapMoveSelector/>
    </unionMoveSelector>
    <acceptor>
      <entityTabuRatio>0.02</entityTabuRatio>
    </acceptor>
    <forager>
      <acceptedCountLimit>1000</acceptedCountLimit>
    </forager>
  </localSearch>
</solver>

我只有一个计划实体和一个计划变量。

谢谢。

Answer 1

确实可能陷入局部最优。添加额外的移动选择器来帮助它解开通常是最好的解决方案。

这种卡住更多发生在小型数据集上（缩减）。 Metaheuristics 擅长放大，但是 - 只有普通的移动选择器 - 在某些情况下它不能很好地缩小。