有没有更聪明的方法来使用 ortools cp-sat 来限制连续任务的最大大小

Question

在制药行业，转换/清洁事件通常很长，甚至可能需要不同级别的操作员资源。因此，当我们安排任务和事件时，他们需要仔细建模。这仍然是我们可以使用 CP-SAT 求解器轻松解决的问题。

但是有一个概念叫“Campaigning”。这意味着我们要尽可能连续地生产一种产品的订单。同一产品的连续生产数量有最大数量/限制：

Suppose we have 10 orders for product A and the campaign size is 4. Then we typically do:

[A->A->A->A] -> changeover/cleaning -> [A->A->A->A] -> changeover/cleaning -> [A->A]

Of course, there shall always be changeover/cleaning between different products.
Suppose we have 1 order for product A and B respectively. Then we still have to do:

A -> changeover/cleaning -> B  or B -> changeover/cleaning -> A

我们确实找到了一种通过创建活动来对此建模的方法，并可选择将候选任务分配到活动中，最后安排活动。但是这个解决方案的可扩展性真的很差。在下图中，当我有 5 个产品 A 和 B 的订单并且限制为 2 个订单时，我的笔记本电脑已经接近死机了。

代码在这里：https://github.com/jiayi9/cp/blob/main/study_04_campaigning.py

我们想知道有没有更聪明的方法来告诉模型如何去做。

Answer 1

我以前的做法：

• 使用电路约束
• 为每个节点创建一个上限为 4 的整数变量 cumul。
• 对于每个正常弧 A -> A（任务 i 到任务 j）文字 => cumul[j] = cumul[i] + 1
• 对于每个清洁弧 A -- 清洁 -> A（任务 i 到任务 j），添加
  • 文字 => 累积[j] = 0
  • literal => start[j] >= end[i] + 清洁时间
• 对弧 A -> B 和 B -> A 执行相同操作
• start_literal[i] => 累积[i] = 1

看这个例子.