启发式求解器¶

启发式求解器通过智能搜索策略在有限时间内找到高质量解，适用于大规模组合优化问题。

支持的算法¶

禁忌搜索（Tabu Search）¶

通过维护禁忌表避免搜索陷入局部最优，适合调度和组合排序问题。

from optagent import solve

solution = solve(
    problem,
    solver="tabu_search",
    config={
        "tabu_tenure": 10,
        "max_iterations": 1000,
        "neighborhood_size": 50
    }
)

局部搜索（Local Search）¶

从初始解出发，不断在邻域中寻找更优解，速度快但容易陷入局部最优。

模拟退火（Simulated Annealing）¶

以一定概率接受劣解，概率随温度降低而减小，平衡探索与利用。

大邻域搜索（LNS）¶

系统性地破坏和修复解的部分结构，适合有明确修复策略的问题。

使用方式¶

通过预设手动配置

from optagent import solve

# 自动选择最优启发式策略
solution = solve(problem, preset="scheduling_focus")

from optagent import solve

solution = solve(
    problem,
    solver="tabu_search",
    time_limit=60,
    config={
        "tabu_tenure": 15,
        "max_iterations": 5000,
        "diversification": True
    }
)