上一篇我們成功以把Opotaplanner規劃引擎下載下傳回來，并把它的示例運作起來，簡單解析了一下它的Cloud balance示例。這一篇我們這些示例的源代碼導入到Eclipse中，看看它在背景是怎麼運作的。
一、推薦使用Maven
在上一篇，我們已經從Optaplanner的官網下載下傳了它的壓縮包，它裡面幾乎包含了Optaplanner的所有東西，基本上有了這個包，我們離線都可以做一個應用Optaplanner規劃引擎程式出來了。但是如果我們直接使用裡面的核心包來做Java Project是很不明智的；因為：1.這些包有很多在特殊的場景才會用到，并不是每個項目都會用到，引入太多浪費空間。2. 如果Optaplanner引擎有版本更新了，你又想使用的話，那隻能重新下載下傳、配置。是以，現在Optaplanner官網通常都是推薦通過Maven的方式來建議項目。關于Maven的用法，大家可以去看一下相關的文章，其實也不複雜的，就是有一些公共的庫幫你管理好了這些你用到的包，你隻需要在你的項目裡配置好你需要使用的包，剩下的就是Maven自己把需要的包括下載下傳到你本地，并自動比對版本了，當有Optaplanner有版本更新的時候，你所使用的包也可以更新為最新版本，而無需人工下載下傳。是以，在這裡，我們都是以Maven項目的方式來建立Optaplanner的示例源碼，在以後的Optaplanner相關的示範中（稍後會有一篇文章會編寫一個最基本的Hello world程式，也會通過Maven項目實作）.
二、Optaplanner的Hello word
這一篇裡面我們就從Optaplanner所有示例程式中的“Hello word”開始，因為Optaplanner面對的是規則問題，是以并沒辦法像學習一門新語言的入門教程一下，以列印一個Hello world資訊出來作為第一個程式，畢竟它是個規劃引擎，是用來對一系列對像進行規劃的。是以我們就從它的說明文檔裡最簡單的一個示例Cloud Banacing開始。關于這個示例的說明，在上一篇文章裡，我們把它的所有示例程式跑起來的時候，重點講解過它，這裡就概述一下，讓大家對這個示例有個大概的了解。大家可以打開
《OptaPlanner - 把example運作起來（運作并淺析Cloud balancing）》這篇文裡看它在程式裡的具體呈現方式。簡而言之，Cloud banacing就是模拟在雲端有很多任務，需要根據CPU, 記憶體及帶寬的要求，配置設定到不同的計算機上去執行，在滿足了每個任務的基礎上，還需要實作最省計算機資源的原則。這就是典型的資源規則問題了，大家可以擴充到供應鍊各個環節中的場景，例如APS（Advanced Planning and Scheduling, 進階計劃與排程）中，如何将任務按一定的要求配置設定到指定的工廠中的房間、産線甚至機台、工位上，并實作成本最低，或效率最高，或資源平衡等要求。
三、導入示例源碼并試運作
接下來我們就一步步把源代碼都導進Eclipse裡慢慢分析一下，如果要實作一個規則程式，至少需要用到Optaplanner哪裡功能，需要建議哪些對象和規則。在一上篇裡，我們已經下載下傳了Optaplanner的釋出包了，它裡面包含了Optaplanner引擎的所有東西，包括可以直接使用的位元組碼程式，源代碼，使用者手冊（包括所有API的Java Doc）,所有示例程式和所有示例程式的源代碼.這裡，我們就以Mavin Project為基礎，把這個釋出包裡的示例程式的源代碼導進來，然後再從這些源代碼裡去看看它的基本運作步驟和所需的對象和規則。
1. 建立workspace
建立一個檔案夾作為這些試驗的workspace.接下來我們的所有示例源碼都放在這個檔案中進行導入、運作、排程并修改。
2. 解壓示例源碼
把示例源代碼解壓到workspace檔案夾中，以便下一步把它作為maven項目導入，注意，需要将optaplanner-distribution-7.6.0.Final\examples\sources整個檔案夾解壓到workspace檔案夾中去，因為這個檔案夾裡包含了示例源代碼，用示運作示例用的資料檔案,還有一些資源檔案。source檔案夾下面有個pom,xml檔案，表示它是一個maven項目。
3. 導入示例源代碼
在eclipse中，選擇菜單File -> Import, 在彈出的Import對話框中，選擇"Existing Maven Projects",(可以在Select an import wizard下面的文檔框中輸入maven來快速定位你們導入的項目，輸入maven，就會過濾出maven相關的項目），選擇“Existing Maven Projects”，點選"Next", 在"Import Maven Projects"對話框中，通過"Browser"按鈕定位到剛才解壓的sources檔案夾去，Root Directory即會顯示該位置，并在下面的Projects清單中，顯示該檔案夾下的pom.xml檔案，選中該pom.xml檔案，并選中“add projects(s) to working set”，點選Finish。eclipse即會把程式導入,并在sources檔案夾(即與pom.xml檔案同一個地方)中生成.project檔案。即表示項目導入成功。
4. 更新依賴包。
項目導入後，通常eclipse會自己檢測項目中依賴的包是否都存在，若不存在會自己下載下傳。如果eclipse沒有自動下載下傳（通常幾秒鐘後會檢查到并下載下傳），就點選一下菜單File -> Refresh 重新整理一下。你們的電腦如果是第一次導入Optaplanner的項目，将會有一個比較長的下載下傳依賴包過程，視下載下傳速率而定。通常會顯示更新進度。完成依賴包下載下傳後，eclipse還會原始的項目資訊，為源建立好各種包。即恢複原來的包資訊.
5.試運作
我們先試一下，看看我們的導入的源代碼是否都已經正确，所需的依賴包是否都已經完成下載下傳并更新。找到整個示例的入口類 - OptaPlannerExamplesApp.java. 右擊它，在彈出菜單中，選擇Run As -> 2 Java Application. 稍等片刻，程式就會跑起來了，效果跟上一篇我們直接通過批處理檔案運作起來的效果一樣，那麼就表示我們已經成功把Optaplanner的所有示例成功導進eclipse了。
四、分析Hello world源碼
下面，我們着重分析一下它的Cloud Balancing示例，它的，在包org.optaplanner.examples.cloudbalancing.app下，有一個CloudBalancingHelloWorld.java類。這個就是Optaplanner最基本的入門示例了。我們直接看它的代碼，可以看到要使用Optaplanner需要最基本的三個步驟，分别是建立Solver對象, 建立被規劃的對象，啟動solve()方法，solver方法的傳回值就是一個已經規劃好的方案了.代碼如下：
1 public static void main(String[] args) {
2 // Build the Solver
3 SolverFactory<CloudBalance> solverFactory = SolverFactory.createFromXmlResource(
4 "org/optaplanner/examples/cloudbalancing/solver/cloudBalancingSolverConfig.xml");
5 Solver<CloudBalance> solver = solverFactory.buildSolver();
6
7 // Load a problem with 400 computers and 1200 processes
8 CloudBalance unsolvedCloudBalance = new CloudBalancingGenerator().createCloudBalance(400, 1200);
9
10 // Solve the problem
11 CloudBalance solvedCloudBalance = solver.solve(unsolvedCloudBalance);
12
13 // Display the result
14 System.out.println("\nSolved cloudBalance with 400 computers and 1200 processes:\n"
15 + toDisplayString(solvedCloudBalance));
16 } 第一步：生成Solver對象，代碼的第3行建立一個SolverFactory<CloudBanace>對象，其實也就是它使用了工廠模式，并使用了泛型了。其中CloudBalance是一個由我們定義的Planning Problem對象，被規則的對象都會作為Planning Problem對象的屬性清單而傳進引擎中，它是Opaplanner的幾大基本對象之一，在這個示例中，第8得就是建立了一個Planning Problem對象，大家可以導航進去看到，建立它的時候，是否為它的兩個清單(Computer和Process清單)初始化了一些對象。在關于這些基本對象的文章中，将會有詳細的說明.在這一步主要是建立一個Solver對象出來，這個對象是指Optaplanner引擎将會使用什麼算法,以什麼參數，引用哪些規則對Planning Problem進行規劃運算的，在規劃運算過程中，基于什麼原則進行退出等等設定。而這些設定全部可以寫進一個XML檔案中，也就是上面代碼中的cloudBalancingSolverConfig.xml了。
第二步：建立将要被規劃的對象，就是上面提到的Planning Problem對象了，在代碼中的第8行實作。
第三步：通過Solver對象的solve方法，對上面建立的Planning Problem進行規劃。這個過程有可能需要一個很長的時間，也有可能是實時規劃的，也可能7 * 24小時都在包（實時規劃）。而對于前一種（非實進規劃），當規劃運算完成後（通常在cloudBalancingSolverConfig.xml檔案中會設定規劃的完成條件），會傳回一個已經完成了規劃的Planning Problem對象，讀取這個對象裡的規劃實體清單（例如本例中的規劃實體就是Process對象），就得到規劃好的方案了。
以下是這個示例在規劃過程中的Log輸出，它清楚以顯示了每一個規劃步驟，引擎對規劃實體進行了什麼操作。
20:00:47.447 [main ] DEBUG LS step (20378), time spent (14822), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/2), picked move (CloudProcess-21 {CloudComputer-182 -> CloudComputer-74}).
20:00:47.447 [main ] DEBUG LS step (20379), time spent (14822), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/1), picked move (CloudProcess-1191 {CloudComputer-164} <-> CloudProcess-674 {CloudComputer-375}).
20:00:47.447 [main ] DEBUG LS step (20380), time spent (14822), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/3), picked move (CloudProcess-696 {CloudComputer-360} <-> CloudProcess-945 {CloudComputer-286}).
20:00:47.447 [main ] DEBUG LS step (20381), time spent (14822), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/1), picked move (CloudProcess-490 {CloudComputer-298} <-> CloudProcess-1196 {CloudComputer-258}).
20:00:47.447 [main ] DEBUG LS step (20382), time spent (14822), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/10), picked move (CloudProcess-204 {CloudComputer-375 -> CloudComputer-159}).
20:00:47.448 [main ] DEBUG LS step (20383), time spent (14823), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/1), picked move (CloudProcess-465 {CloudComputer-136} <-> CloudProcess-621 {CloudComputer-0}).
20:00:47.448 [main ] DEBUG LS step (20384), time spent (14823), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/1), picked move (CloudProcess-860 {CloudComputer-393} <-> CloudProcess-29 {CloudComputer-216}).
20:00:47.449 [main ] DEBUG LS step (20385), time spent (14824), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/5), picked move (CloudProcess-57 {CloudComputer-323} <-> CloudProcess-768 {CloudComputer-36}).
20:00:47.449 [main ] DEBUG LS step (20386), time spent (14824), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/3), picked move (CloudProcess-934 {CloudComputer-324 -> CloudComputer-246}).
20:00:47.449 [main ] DEBUG LS step (20387), time spent (14824), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/2), picked move (CloudProcess-812 {CloudComputer-198} <-> CloudProcess-1085 {CloudComputer-112}).
20:00:47.449 [main ] DEBUG LS step (20388), time spent (14824), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/1), picked move (CloudProcess-883 {CloudComputer-41} <-> CloudProcess-1180 {CloudComputer-237}).
20:00:47.450 [main ] DEBUG LS step (20389), time spent (14825), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/6), picked move (CloudProcess-477 {CloudComputer-376} <-> CloudProcess-713 {CloudComputer-197}).
20:00:47.450 [main ] DEBUG LS step (20390), time spent (14825), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/3), picked move (CloudProcess-693 {CloudComputer-311 -> CloudComputer-342}).
20:00:47.450 [main ] DEBUG LS step (20391), time spent (14825), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/3), picked move (CloudProcess-328 {CloudComputer-186} <-> CloudProcess-520 {CloudComputer-59}).
20:00:47.453 [main ] DEBUG LS step (20392), time spent (14828), score (0hard/-519420soft), best score (0hard/-518110soft), accepted/selected move count (1/3), picked move (CloudProcess-203 {CloudComputer-103} <-> CloudProcess-745 {CloudComputer-112}). 至此，我們已把Optaplanner的示例程式全部導入到eclipse并跑起來了，也簡單地介紹過一下它的hello world示例，可能大家還是會有些疑問，到底它是怎麼執行得的，它做了些什麼，要了解這些問題，就真的需要從需求開始，再了解一下Optaplanner的規劃模型，最後結合一些示例才能說得清楚了。在接下來的文章中，我将會以一個個自己想出來的簡單示全，逐漸對上述的問題進行講述。過程不再一次過寫太長的内容了，會在每篇文章裡介紹幾個相關的概念。好讓大家更容易了解，更容易上手。
PS: 其實在導入并試運作過程中，使用7.6.0.Final版本的代碼會出現一個異常的，剛好今天發現有7.7.0.Final釋出了（好快喔），就下了最新的源碼，那個異常消失了。大家可以注意一下，下載下傳7.6.0.Final的示例源碼不一定能跑成功喔，
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。
歡迎轉載，轉載請注明原文連結：http://www.cnblogs.com/kentzhang/p/8709679.html
http://www.cnblogs.com/kentzhang/articles/8431011.htmlEnd.
一個IT老農，先盡力好當兒子、丈夫和父親的責任，然後做點有趣的事。