减少 Google OR-tools python 脚本的运行时间使用 Google Cloud

如何解决减少 Google OR-tools python 脚本的运行时间使用 Google Cloud

我正在用 Python 为我工作的医院的一个科室开发护士排班程序。此类程序的各种示例已经存在并在线共享。其中之一如下：https://github.com/google/or-tools/blob/master/examples/python/shift_scheduling_sat.py

到目前为止，我已经修改了上面链接中的代码，以包含各种类型的劳动法规以及个别护士的偏好。现在，我想使用这个量身定制的脚本为 25 名护士在 7 周内（5 种轮班类型，可以减少到 4 人）制作名册。

但是，实施特定类型的约束会导致运行时间显着增加。这些约束是：

对早/晚/夜班系列长度的限制：

 shift_constraints = [

      #Morning shifts
      (1,2,4,0),#Evening shifts
      (2,Night shifts
      (3,1,5,0)

]

限制休息日。我想通过添加到轮班限制列表来阻止安排单天休假：
```
(0,10,0)
```

强制周末（周六和周日）都安排休息：

        for e in range(num_employees):
          for d in range(num_days):
              if ( ( d in weekend_day ) & ( ( d+1 ) in weekend_day) ):
                  model.Add(work[e,d + 1] == 1 ).OnlyEnforceIf(work[e,d])

强制员工在连续 3 次夜班后休息 2 天

        for e in range(num_employees):
          for d in range(num_days):
              if ((d > 3) and (d<45)):
                  model.Add(work[e,d] == 1).OnlyEnforceIf(work[e,3,d-3] and work[e,d-2] and work[e,d-1])
                  model.Add(work[e,d + 1] == 1).OnlyEnforceIf(work[e,d-1])

强制员工不能连续工作超过 7 天：

max_seq_length = 7
  for e in range(num_employees):
      works = [work[e,d].Not() for d in range(num_days)]
      variables,coeffs = add_soft_sequence_constraint(
             model,works,max_seq_length,'shift_constraint(employee %i,shift %i)' % (e,0))
      # model,hard_min,soft_min,min_cost,soft_max,hard_max,#max_cost,shift %i)' % (23 shift))
      obj_bool_vars.extend(variables)
      obj_bool_coeffs.extend(coeffs)

在没有任何这些限制的情况下运行脚本只需不到 1 分钟。但是，将所有这些同时添加到脚本中时，可能需要 48 多个小时才能找到解决方案。因此我想知道是否可以减少运行时间？如果有帮助，我不一定需要最佳解决方案。由于我很少使用惩罚约束，因此任何满足指定约束的解决方案都可以。

解决方法

您的代码中存在错误：

.OnlyEnforceIf(work[e,3,d-3] and work[e,d-2] and work[e,d-1])

应该是：

.OnlyEnforceIf([work[e,d-3],work[e,d-2],d-1]])

不要将 min(),max(),and,not,if 与 ortools 变量一起使用

我终于设法解决了这个问题。下面我将介绍我使用 Google 服务计算引擎的方法。

在我找到解决方案之前，我尝试了几件事：

首先，我在运行时优化了代码。例如，我删除了一个每月只分配几次的班次类型，以减少搜索空间。我还删除了个别特定的轮班轮换规则和系列长度限制，因为这些会导致运行时间大幅增加
我尝试了“num_search_workers”参数的各种设置。请注意，在最新版本的脚本中，此参数不再包含在代码中，必须手动添加。

但是，这些更改并没有导致运行时间的预期减少。很明显代码很好，但我只是没有足够的计算能力。因此我考虑如何在更强大的设备上运行脚本。我开始尝试在 Google Colab 中运行它，但这里的运行时间比在我自己的设备上还要长

然后我决定在 Google 云服务上试用计算引擎。只需点击几下，GCS 即可设置专用于 CPU 密集型任务（具有自定义规范）的虚拟机。此外，如果您以前从未使用过该服务，您可以获得 300 美元的信用来租用服务器。如果您注册，默认情况下您会获得一个测试帐户，该帐户对 VM 的规格有一些限制。但是，如果您切换到付费帐户，则信用额度会添加到您的帐户中，并且限制会解除。通过这种方式，我可以使用比我的笔记本电脑强大几个数量级的机器。

对于那些对使用 GCS 运行 python 脚本感兴趣的人，我建议观看这个视频作为介绍：

https://www.youtube.com/watch?v=JtUIQz_EkUw

此外，Google 在此代码实验室中提供了使用 VM 的介绍：

https://codelabs.developers.google.com/codelabs/cloud-compute-engine#0

这些视频介绍了如何在 Debian 操作系统上设置 python：

如果您正在设置 Python，请不要忘记创建一个虚拟环境来安装包和运行脚本：

https://www.youtube.com/watch?v=N5vscPTWKOk&t=445s

在我弄清楚如何在 VM 上运行脚本后，我尝试了 VM 配置/num-search 工作器设置。不要忘记，如果您使用多核处理器，则可以增加搜索工作器的数量，从而降低运行时间。

我注意到 8 核（30 GB RAM）计算专用系统（在“试用帐户”中提供）在运行时间方面比我的笔记本电脑快 20-30。但是，我决定使用更强大的 VM。使用 30 核设置（130 GB RAM），脚本在 20 秒内运行完成，而不是 48 小时。