●  사용방법 · 시간표

대회 일정

대회 날짜마다 팀을 고르게 배치해 일정 부담을 골고루 나누고, 모든 팀이 공정한 일정을 받게 합니다.

무엇을 정하나요

날짜별 경기 자리마다 들어갈 팀을 정합니다.

최소 실행 예제

from optimaru import tournament_scheduling as ts
from optimaru.tournament_scheduling.models import (
    DayModel, TeamAssignmentModel, TeamModel, TournamentScheduleModel, UnavailabilityPenaltyModel,
)

problem = TournamentScheduleModel(
    teams=[TeamModel(name=name) for name in ["Reds", "Blues", "Greens", "Golds"]],
    days=[DayModel(date_index=day) for day in range(4)],
    unavailability_penalties=[UnavailabilityPenaltyModel(team=0, day=1)],
    team_assignments=[
        TeamAssignmentModel(id=day * 2 + slot, day=day, index_in_day=slot)
        for day in range(4) for slot in range(2)
    ],
)

result = ts.solve(problem, time_limit_seconds=2.0, random_seed=42)
print(result.score_hard, result.score_soft)
print([(a.day, a.index_in_day, a.team) for a in result.team_assignments])

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

입력 파라미터

TeamModel

필드 의미
name 필수 입력 팀 이름입니다. 팀은 teams 안의 위치로 가리킵니다.

DayModel

필드 의미
date_index 필수 입력 참고용 날짜 번호입니다. 날짜는 days 안의 위치로 가리킵니다.

UnavailabilityPenaltyModel

필드 의미
team 필수 입력 팀의 teams 내 위치입니다. day 필수 입력 날짜의 days 내 위치입니다.

TeamAssignmentModel

필드 의미
id 필수 입력 자리 id입니다. 겹치면 안 됩니다. day 필수 입력 날짜의 days 내 위치입니다. index_in_day 그날의 자리 번호입니다. pinned 이 자리의 team을 고정합니다.

TournamentScheduleModel

필드 의미
teams 필수 입력 팀 목록입니다. days 필수 입력 날짜 목록입니다. unavailability_penalties 팀이 경기할 수 없는 날짜입니다. team_assignments 경기 자리마다 하나씩 있는 목록입니다.

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 (26)

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.
custom_move_probability 1.0 한 걸음에서 유스케이스 전용 이동을 고를 수 있는 확률의 상한입니다. 1이면 제한이 없습니다.
descent_weight 0.0 최선 개선 하강의 비중입니다. 0이면 끕니다.
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.
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_as_move_max_ruin 12 그 작은 파괴로 제거할 최대 항목 수입니다.
ruin_recreate_as_move_weight 0.0 한 걸음을 작은 파괴·복구로 쓰고 일반 이동처럼 판단할 확률입니다. 음수는 지원하는 유스케이스에서 자동 선택이고, 0이면 끕니다.
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.
team_count_moves True 배정을 맡는 팀 수를 바꾸는 이동을 씁니다.
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.
value_recommender False 변경 이동을 필수 제약을 지키는 팀 쪽으로 이끕니다.

돌아오는 결과

solve는 모델을 받아 풀린 모델을 돌려줍니다.

TeamAssignmentModel

필드 의미
team 선택된 팀의 teams 내 위치입니다. None이면 미배정입니다.

TournamentScheduleModel

필드 의미
score_hard 필수 점수입니다. 0이면 가능한 해입니다. score_soft 중간과 선호를 합친 값입니다. -(중간 불공정도 * 1e6 + 선호 불공정도)입니다.

제약

optimaru.tournament_scheduling.constraints에서 클래스를 가져와 TeamConflictCost()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", "medium", "soft"를 주면 제약을 그 수준으로 옮깁니다. Level.HARD, Level.MEDIUM, Level.SOFT도 됩니다. 지정하지 않으면 아래 수준을 그대로 씁니다. 이 유스케이스에는 중간 수준이 있어서 어느 제약이든 중간으로 옮길 수 있습니다.
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.

중간 제약의 기본 가중치는 중간 수준 단위로 1입니다. 탐색은 중간 값에 1e6을 곱해 선호 값과 합친 점수로 해를 비교하므로, 선호 합계가 1e6보다 작은 동안에는 중간 수준이 선호보다 우선합니다. level로 어느 제약이든 세 수준 가운데 하나로 옮길 수 있습니다. level="medium"이면 중간으로 옮기고, "hard"나 "soft"면 중간 제약을 필수나 선호로 옮깁니다. 가중치는 적용되는 수준의 단위로 셉니다.

위의 최소 실행 예제에 이어서 실행합니다.

from optimaru.tournament_scheduling.constraints import (
    ConfrontationCountImbalanceCost, TeamConflictCost, TeamUnavailabilityCost, get_constraints,
)

picked = get_constraints([
    TeamConflictCost(), TeamUnavailabilityCost(), ConfrontationCountImbalanceCost(exponent=2.0),
])
custom = ts.solve(problem, time_limit_seconds=2.0, random_seed=42, constraints=picked)
print(custom.score_hard, custom.score_soft)
이름 수준 기본 가중치 하는 일
team_conflict_cost 필수 1 한 팀이 같은 날 두 번 이상 배정되면 쌍마다 벌점을 줍니다.
team_unavailability_cost 필수 1 경기할 수 없는 팀과 날짜에 배정이 하나라도 있으면 항목마다 벌점을 줍니다.
assignment_count_imbalance_cost 중간 1 팀별 배정 횟수의 불공정도를 줄입니다.
confrontation_count_imbalance_cost 선호 1 팀 쌍별 맞대결 횟수의 불공정도를 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 solve가 돌려준 모델이나 그 JSON 딕셔너리입니다.

위의 최소 실행 예제에 이어서 실행합니다.

seeded = ts.with_initial_solution(problem, result.model_dump(mode="json"))
again = ts.solve(seeded, time_limit_seconds=2.0, random_seed=43)
print(again.score_hard, again.score_soft)
  • 자리는 id로 맞춥니다.
  • 완전한 해를 넣으면 구성 단계를 건너뛰고 그 해에서 바로 탐색을 시작합니다. 일부만 넣으면 넣은 부분은 그대로 두고, 빠진 자리만 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.
  • 고정된 자리는 해의 내용과 상관없이 problem에 있는 팀을 유지합니다.
  • team은 teams 안의 위치입니다. 그래서 해의 팀 목록이 다르거나 순서만 달라도 ValueError가 납니다. 모르는 id와 범위를 벗어난 값도 마찬가지입니다.

예외와 제한

  • 공정성은 배정이 하나 이상인 팀만 따집니다. 그래서 어떤 팀이 경기를 하나도 못 받는 해가 가장 좋은 점수가 될 수 있습니다. 모든 팀이 뛰어야 한다면 그 규칙을 따로 넣어야 합니다.
  • score_soft는 중간 값에 1e6을 곱해 선호 값과 합칩니다.