Choco-solver 技术文档
2024-12-24 09:30:06作者:尤峻淳Whitney
1. 安装指南
系统要求
- JDK 8+
- Maven 3+
Maven 项目中添加依赖
在 Maven 项目的 pom.xml 文件中添加以下依赖项:
<dependency>
<groupId>org.choco-solver</groupId>
<artifactId>choco-solver</artifactId>
<version>4.10.14</version>
</dependency>
如果您需要使用快照版本,请在 pom.xml 中添加以下仓库配置:
<repository>
<id>sonatype</id>
<url>https://oss.sonatype.org/content/repositories/snapshots/</url>
<snapshots>
<enabled>true</enabled>
</snapshots>
</repository>
独立库使用
下载包含所有依赖的 jar 文件(choco-solver-4.XX.Y-jar-with-dependencies.jar),并将其添加到应用程序的类路径中。
库使用
下载不包含依赖的 jar 文件(choco-solver-4.XX.Y.jar),并将其添加到应用程序的类路径中。同时,您需要添加所有必要的依赖。
Ibex-2.8.7 安装
要声明连续约束,需要安装 Ibex-2.8.7,具体安装说明请参考 Ibex 官网。
从源代码构建
从 GitHub 下载源代码,移动到源代码目录,然后执行以下命令来构建 jar 包:
$ mvn clean package -DskipTests
如果构建成功,生成的 jar 包将自动安装到本地 Maven 仓库,并在 target 子目录中可用。
2. 项目使用说明
Choco-solver 是一个开源的 Java 库,用于约束编程。它支持多种类型的变量(整数、布尔值、集合、图和实数),多种先进的约束(如 alldifferent、count、nvalues 等),以及多种搜索策略,从基本的(如 first_fail、smallest 等)到复杂的(如基于影响和基于活动的搜索)。
以下是一个基本的使用示例:
// 创建模型
Model model = new Model("my first problem");
// 创建变量
IntVar x = model.intVar("X", 0, 5);
IntVar y = model.intVar("Y", 0, 5);
// 创建并发布约束
model.element(x, new int[]{5,0,4,1,3,2}, y).post();
// 或者通过变量直接创建约束
x.add(y).lt(5).post();
// 获取求解器
Solver solver = model.getSolver();
// 定义搜索策略
solver.setSearch(Search.inputOrderLBSearch(x, y));
// 启动求解过程
solver.solve();
// 打印搜索统计信息
solver.printStatistics();
3. 项目 API 使用文档
Choco-solver 的详细 API 文档可以在其官网上找到。API 文档提供了每个类和方法的详细描述,以及使用示例。
4. 项目安装方式
请参考上述 "安装指南" 部分获取项目安装方式的具体步骤。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
674
4.3 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
515
625
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
944
884
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
301
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.56 K
908
暂无简介
Dart
919
225
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212