●  사용방법 · 시간표

스포츠 리그 일정

모든 경기를 라운드에 배정합니다. 이동 거리를 줄이고, 홈 경기나 원정 경기가 너무 길게 이어지지 않게 합니다.

무엇을 정하나요

경기마다 라운드를 정합니다.

최소 실행 예제

from optimaru import sports_league_scheduling as sl
from optimaru.sports_league_scheduling.models import (
    LeagueScheduleModel, MatchModel, RoundModel, TeamModel,
)

teams = ["Reds", "Blues", "Greens", "Golds"]
pairs = [(home, away) for home in range(4) for away in range(4) if home != away]
problem = LeagueScheduleModel(
    teams=[TeamModel(id=name) for name in teams],
    rounds=[RoundModel(index=i, weekend_or_holiday=i % 2 == 1) for i in range(12)],
    matches=[MatchModel(id=f"M{i}", home_team=home, away_team=away)
             for i, (home, away) in enumerate(pairs)],
    distance_to_team=[[0, 90, 120, 200], [90, 0, 60, 150], [120, 60, 0, 110], [200, 150, 110, 0]],
)

core = problem.to_core()
sl.solve(core, time_limit_seconds=2.0, random_seed=42)  # 그 자리에서 풉니다
solved = LeagueScheduleModel.from_core(core)
print(solved.score_hard, solved.score_soft)
print(sorted((m.round, teams[m.home_team], teams[m.away_team]) for m in solved.matches))

같은 유스케이스를 그림과 실행 결과가 담긴 Jupyter 노트북으로도 볼 수 있습니다. examples/sports-league-scheduling.ipynb ↗

입력 파라미터

TeamModel

필드 의미
id 필수 입력 팀 id입니다. 경기에서는 teams 안의 위치로 팀을 가리킵니다.

RoundModel

필드 의미
index 필수 입력 라운드 번호입니다. 같은 날, 다음 날, 첫 라운드, 마지막 라운드 판단에 모두 씁니다. weekend_or_holiday 주요 경기를 치르기 좋은 라운드면 True입니다.

MatchModel

필드 의미
id 필수 입력 경기 id입니다. home_team 필수 입력 홈 팀의 teams 내 위치입니다. away_team 필수 입력 원정 팀의 teams 내 위치입니다. classic_match 라이벌전 같은 주요 경기면 True입니다.

LeagueScheduleModel

필드 의미
teams 필수 입력 팀 목록입니다. rounds 필수 입력 라운드 목록입니다. matches 필수 입력 배치할 경기 목록입니다. distance_to_team 팀 위치 순서로 만든 팀 간 거리의 정사각 행렬입니다.

풀이 파라미터

풀이를 호출할 때 넘기는 값입니다. 시간 제한, 시드, 병렬 수가 여기에 있습니다.

파라미터 기본값 의미
time_limit_seconds None 탐색 시간(초)이며, 0부터 1e9까지 줄 수 있습니다. 지정하지 않으면 설정의 spent_limit_seconds를 쓰며, 기본값은 30입니다.
random_seed None 탐색에 쓰는 난수 시드입니다. 지정하지 않으면 설정값을 쓰며, 기본값은 0입니다.
parallel_solver_count None 독립적으로 동시에 돌리는 탐색 수입니다. 탐색마다 시드가 다르고 시간은 똑같이 쓰며, 가장 좋은 결과를 고릅니다. 지정하지 않으면 설정값을 쓰며, 기본값은 1입니다.
stop_at_first_feasible False 필수 점수가 0이 되는 즉시 멈춥니다.
on_new_best None 새 최고 해를 찾을 때마다 부르는 콜백입니다. 콜백이 예외를 내면 풀이를 멈추고 그 예외를 그대로 냅니다.
config None 기본으로 쓸 SolverConfig입니다. 여기서 준 키워드 인자는 이번 풀이에만 이 값을 덮어쓰며, 넘긴 객체 자체는 바뀌지 않습니다.
constraints None 점수에 넣을 제약과 그 설정입니다. 지정하지 않으면 기본 제약을 씁니다.
탐색 옵션 전체 (23)

SolverConfig에 값을 넣어 config=로 넘기세요.

파라미터 기본값 의미
best_score_limit — 최고 점수가 이 값에 닿으면 일찍 멈춥니다. 기본값으로는 작동하지 않습니다.
change_move_weight 0.75 변경 이동의 상대적 비중입니다. 0이면 쓰지 않습니다.
costliest_match_sample 4 이동마다 무작위로 뽑는 경기 수입니다. 그중 벌점이 가장 큰 경기를 옮깁니다. 0이나 1이면 균등하게 고릅니다.
full_assert False 증분 점수를 전체 재계산과 매번 비교합니다. 느리므로 디버깅할 때만 씁니다.
late_acceptance_size 0 늦은 수락(late acceptance) 기록의 길이입니다. 0이면 문제 크기에 맞춰 정합니다.
nearby_probability 0.95 이동 상대를 가까운 항목에서 고를 확률입니다. 0이면 쓰지 않습니다.
nearby_size 0 항목마다 유지할 이웃 수입니다. 0의 의미는 유스케이스마다 달라 자동 선택이거나 끄는 값입니다.
on_new_best None 새 최고 해를 찾을 때마다 부르는 콜백입니다. 콜백이 예외를 내면 풀이를 멈추고 그 예외를 그대로 냅니다.
parallel_solver_count 1 독립적으로 동시에 돌리는 탐색 수입니다. 탐색마다 시드가 다르고 시간은 똑같이 쓰며, 가장 좋은 결과를 고릅니다.
random_seed 0 탐색에 쓰는 난수 시드입니다.
ruin_recreate True 탐색이 정체되면 적응형 파괴·재구성을 실행합니다.
ruin_recreate_max_ruin_count 60 한 번에 제거하는 항목 수의 절대 상한입니다.
ruin_recreate_max_ruin_fraction 0.3 한 번에 제거하는 해의 최대 비율입니다.
ruin_recreate_min_ruin_fraction 0.1 한 번에 제거하는 해의 최소 비율입니다.
ruin_recreate_operator_decay 0.8 연산자 가중치가 적응하는 속도입니다.
ruin_recreate_polish_steps 5000 실행 후 다듬는 언덕 오르기 이동 수입니다. step_count_limit에는 세지 않습니다.
ruin_recreate_rewards [33.0, 9.0, 3.0, 0.0] 새 최고, 개선, 수락, 거절 결과에 주는 연산자 보상입니다.
ruin_recreate_unimproved_step_trigger 5000 파괴·재구성을 실행하기까지 새 최고 해 없이 지나는 걸음 수입니다.
spent_limit_seconds 30.0 탐색 시간(초)이며, 0부터 1e9까지 줄 수 있습니다.
step_count_limit 0 이 걸음 수에 도달하면 멈춥니다. 0이면 제한이 없습니다.
swap_move_weight 0.25 교환 이동의 상대적 비중입니다. 0이면 쓰지 않습니다.
unimproved_spent_limit_seconds 0.0 새 최고 해 없이 이 시간(초)이 지나면 멈춥니다. 0이면 제한이 없습니다.
unimproved_step_count_limit 0 새 최고 해 없이 이 걸음 수가 지나면 멈춥니다. 0이면 제한이 없습니다.

돌아오는 결과

solve는 엔진 객체를 받아 그 자리에서 풀고 돌려줍니다. 결과는 from_core로 변환해 읽습니다.

MatchModel

필드 의미
round rounds 내 위치입니다. 라운드의 index가 아닙니다. -1이면 미배정입니다.

LeagueScheduleModel

필드 의미
score_hard 필수 점수입니다. 0이면 가능한 해입니다. score_soft 선호 점수입니다. 이동 거리와 주요 경기 벌점을 더한 값의 음수입니다.

제약

optimaru.sports_league_scheduling.constraints에서 클래스를 가져와 StartToAwayHopCost()처럼 호출해서 넘깁니다. 넘긴 제약만 점수에 들어가고, 아무것도 넘기지 않으면 기본 제약을 씁니다. 목록에 같은 제약을 여러 번 넣을 수 있으며, 넣은 것마다 따로 점수에 들어갑니다. 제약마다 다음 파라미터를 받습니다.

파라미터 기본값 의미
weight None 제약 비용에 곱하는 값이며, 적용되는 수준의 단위로 셉니다. 지정하지 않으면 아래 기본 가중치를 씁니다. 기본 가중치가 0인 제약은 가중치를 줘야 작동합니다.
level None "hard"면 필수, "soft"면 선호로 바꿉니다. Level.HARD, Level.SOFT도 됩니다. 지정하지 않으면 아래 수준을 그대로 씁니다. 이 유스케이스에는 중간 수준이 없어서 "medium"을 주면 ValueError가 납니다. 보상에 "hard"를 주거나 수준이 고정된 제약의 수준을 바꾸려 해도 ValueError가 납니다.
exponent 1.0 부호를 유지한 채 비용에 거듭제곱을 적용하며, 0보다 커야 합니다. offset을 반영한 뒤에 적용합니다. 2.0이면 제곱이라 한곳에 몰린 위반의 비용이 크게 늘어납니다. 차량이나 날짜 같은 단위마다 적용하고, 합계 하나로 계산하는 제약에는 그 합계에 적용합니다.
offset 0.0 거듭제곱 전에 비용 x에서 빼는 값입니다. exponent처럼 단위마다, 합계로 계산하는 제약은 그 합계에 적용하며, 비용과 같은 척도(초, 분, 개수 등)로 셉니다. 부호와 상관없이 유한한 수면 되고, 키워드로만 줄 수 있습니다. 이 값 아래에서 어떻게 계산할지는 clip이 정합니다.
clip True True면 offset을 문턱값으로 씁니다. 넘은 부분만 계산하므로(max(0, x - offset) ** exponent) 그 이하의 비용은 아무것도 더하지 않습니다. False면 부호를 유지한 채 (x - offset) ** exponent를 그대로 계산하므로, 오프셋보다 작은 단위는 비용이 0이어도 음수, 곧 보상으로 들어갑니다. 하드 점수에 들어가는 수준에서는 clip=False에 0이 아닌 오프셋을 주면 ValueError가 납니다. 하드 0이 위반 없음이라는 뜻을 지키기 위해서입니다. 키워드로만 줄 수 있습니다.

위의 최소 실행 예제에 이어서 실행합니다.

from optimaru.sports_league_scheduling.constraints import (
    ConsecutiveAwayMatchesCost, RepeatMatchOnNextDayCost, TeamConflictCost, get_constraints,
)

picked = get_constraints([
    TeamConflictCost(), RepeatMatchOnNextDayCost(), ConsecutiveAwayMatchesCost(weight=2),
])
custom = problem.to_core()
sl.solve(custom, time_limit_seconds=2.0, random_seed=42, constraints=picked)
print(custom.score)
이름 수준 기본 가중치 하는 일
start_to_away_hop_cost 선호 1 첫 라운드 경기에 원정 팀이 이동하는 거리를 줄입니다.
away_to_end_hop_cost 선호 1 마지막 라운드 경기 뒤 원정 팀이 돌아가는 거리를 줄입니다.
workday_classic_matches_cost 선호 1000 주말이나 휴일이 아닌 라운드에 주요 경기가 놓이면 벌점을 줍니다.
team_conflict_cost 필수 1 같은 라운드의 두 경기가 팀을 공유하면 쌍마다 벌점을 줍니다.
consecutive_home_matches_cost 필수 1 한 팀이 네 라운드 이상 연속으로 홈 경기를 하면 연속 길이만큼 벌점을 줍니다.
consecutive_away_matches_cost 필수 1 한 팀이 네 라운드 이상 연속으로 원정 경기를 하면 연속 길이만큼 벌점을 줍니다.
repeat_match_on_next_day_cost 필수 1 리턴 매치가 바로 다음 라운드에 있으면 벌점을 줍니다.
home_to_away_hop_cost 선호 1 홈 경기 다음 라운드에 원정을 떠나는 거리를 줄입니다.
away_to_away_hop_cost 선호 1 두 라운드 연속 원정인 팀이 경기장 사이를 옮기는 거리를 줄입니다.
away_to_home_hop_cost 선호 1 원정 다음 라운드에 홈 경기를 하러 돌아오는 거리를 줄입니다.

제약 사용법 →

기존 해에서 시작하기

최신 버전이 필요합니다. pip install -U optimaru로 올려 주세요.

with_initial_solution(problem, solution)은 solution에서 탐색을 시작하는 problem의 복사본을 돌려줍니다. solution은 풀린 LeagueScheduleModel이나 그 JSON 딕셔너리입니다. solve는 엔진 객체를 받으므로 to_core()로 변환해 넘깁니다.

위의 최소 실행 예제에 이어서 실행합니다.

restart = sl.with_initial_solution(problem, solved).to_core()
sl.solve(restart, time_limit_seconds=2.0, random_seed=43)
print(restart.score)
  • 경기는 id로 맞춥니다.
  • 완전한 해를 넣으면 구성 단계를 건너뛰고 그 해에서 바로 탐색을 시작합니다. 일부만 넣으면 넣은 부분은 그대로 두고, 빠진 경기만 새로 구성합니다.
  • time_limit_seconds=0을 주면 바로 멈추므로 완전한 해는 넣은 그대로 돌아옵니다. step_count_limit = 0은 제한이 없다는 뜻이므로, 바로 멈추려면 시간 제한을 쓰세요.
  • round는 라운드의 index가 아니라 rounds 안의 위치입니다. 그래서 해의 라운드 목록이 다르거나 순서만 달라도 ValueError가 납니다. 모르는 id와 범위를 벗어난 값도 마찬가지입니다.

예외와 제한

  • 라운드의 앞뒤 관계는 index를 따릅니다. 0, 1, 4처럼 번호가 띄엄띄엄하면 빈 번호는 라운드가 없는 것으로 봅니다.
  • 경기 목록은 직접 넣어야 합니다. 솔버는 경기를 배치할 뿐, 대진을 만들지 않습니다.