多阶段执行

编排器将求解过程分解为多个阶段，每个阶段使用不同的策略，逐步提升解的质量。

执行流程

sequenceDiagram
    participant O as Orchestrator
    participant P1 as Phase 1: Evolutionary
    participant P2 as Phase 2: Local Search
    participant P3 as Phase 3: Exact Repair

    O->>P1: 启动进化搜索 (60% 预算)
    P1-->>O: 返回初始高质量解
    O->>P2: 启动局部搜索 (30% 预算, 热启动)
    P2-->>O: 返回改进解
    O->>P3: 启动精确修复 (10% 预算, 热启动)
    P3-->>O: 返回最终解
    O->>O: 评估并输出最优解

阶段类型

搜索阶段（Exploration）

• 进化搜索：大范围探索解空间
• 随机重启：多次随机初始化，避免局部最优

优化阶段（Exploitation）

• 局部搜索：在当前解附近精细搜索
• 禁忌搜索：系统性邻域搜索

修复阶段（Repair）

• 精确修复：用精确求解器修复不可行解
• 约束松弛：逐步收紧约束，保证可行性

热启动继承

当阶段配置了 "warm_start": true 时，前一阶段的最优解会作为当前阶段的初始解：

from optagent import solve

solution = solve(
    problem,
    preset="scheduling_memetic_quality",
    config={
        "orchestrator": {
            "phases": [
                {"type": "evolutionary", "budget": 0.6},
                {"type": "local_search", "budget": 0.4, "warm_start": true}
            ]
        }
    }
)

热启动的效果

热启动可以显著加速后续阶段的收敛。实验表明，在调度问题中，带热启动的两阶段策略比单阶段策略平均提升 15-25% 的解质量。