1理論基礎
1.1運籌學規劃與APS
1.1.1運籌優化的原理及其在現實生活中的應用；
1.1.2運籌優化中的數學規劃原理；
1.1.3及其與APS技術的關系。
1.2規劃問題NP-Hard/NP-Complete問題
非多項式時間可解問題的由來，及其在數學領域的意義，包括：
1.2.1問題規模的來由；
1.2.2何謂NP-Hard問題；
1.2.3對NP-Hard問題的常見解法。
1.3規劃問題及問題規模
分析規劃問題的構成及其問題規劃(搜索空間)的大小
1.4求解器的原理及發展現狀
包括：
1.4.1何謂求解器，及其包含的啟動發式算法；
1.4.2國內外，開源、商用求解器的現狀與選用；
1.4.3介紹世界若干最著名求解器的全面優缺點，包括OptaPlanner, Google OR-Tools, IBM CPLEX等
2OptaPlanner相關概念與應用基礎
講解OptaPlanner的一些必須掌握的概念及應用方法。
2.1OptaPlanner的尋優原理
介紹在規劃運算過程中，OptaPlanner如何以評分作為基礎，結合各種啟發式算法進行最優方案尋找.
2.2約束及其分類
約束在求解器中的意義，從正負約束、軟硬約束等角度對約束進行分類分析。
2.3評分及評分規則
評分與約束的關系，不同層次的分數對解的影響。
2.4評分在引擎中的實現（Java Scoring, Drools Scoring, ConstraintStream）
講解OptaPlanner中可用的三種評分實現方式，及各種場景下的評分設計建議。
2.5規劃問題的解(Planning problem and solution)
定義規則問題的可能解、可行解、相對最優解及絕對最優解
2.6Problem Fact，Planning Entity與Planning Variable
講解使用OptaPlanner進行建模時的基本概念，及其在規劃問題中，各自代表的意義。
2.7Planning Variable的類型（genuine & shadow）
講解Planning Variable的類型、其意義及其在不同的模式中相互作用的機制。
2.8配置文件結構及內容（Solver Configuration）
講解Solver的配置文件中，各個項目的意義及設置方法。
2.9Solver的使用
講解OptaPlanner的入口對象Solver的構造過程。
2.9.1創建并使用solver對象
通過SoverFactory等工廠構造Solver, ScoreDirector等對象的方法
2.9.2診斷模式
講解通過配置文件實現運行過程中，引擎的自檢模式。
2.9.3日志輸出
講解配置運行過程中日志輸出的方法；并講解如何通過日志分析引擎的行為。
2.9.4解決方案的評分獲取與分析
講解根據引擎的輸出結果對象，獲取各個層評分的方法；并分析各層得分的來源。
2.10認識及應用Shadow Variable
掌握鏈的結構及構成原則，實現Shadow Variable隨鏈變化而變化。講解Chained Through Time模式。
2.11規劃步驟與階段
講解引擎從開始到結束，對問題進行求解的步驟，包括：Exhaustive Search, Construction Heuristics 與Local Search
2.12簡介各啟發式尋優算法
對目前OptaPlanner支持的各種尋優算法進行講解，包括其原理、優缺點及應用方法。
2.13分析解決方案的評分
通過 ConstraintMatchTotal來分析一個解決方案的約束違反情況，從而實現規劃評分可視化
3OptaPlanner的評分體系
3.1Drools相關概念及應用
簡單Drools的一些基礎概念，以備在OptaPlanner進行評分過程中，可以靈活使用該規則引擎。
3.1.1Drools簡介
講解規則引擎Drools的背景與應用場景。
3.1.2Drools Script
講解Drools腳本的語法與語義。
3.1.3Drools與在OptaPlanner中的應用
講解如何通過Drools規則引擎，在OptaPlanner中實現評分。

3.2ConstraintStream – 約束流的應用
3.2.1約束流程的作用
講解ConstraintStream如何實現增量評分計算
3.2.2約束流程的編寫方法
講解約束流程的常用設計、編寫方法。包含約束流的構建塊，懲罰、獎勵方式等。
3.3Incremental 評分計算
Incremental Java score calculation的使用方法，優缺點與適用場景。

4OptaPlanner進階應用
介紹一些OptaPlanner高級應用，及一些可提高性能及規劃效率的方法與技巧。
4.1Score Calculation性能提升技巧
通過優化約束與規則的設計、使用內置硬約束等技巧，提高引擎的評分效率；從而在固定時間內獲得更佳的解。
4.2時間分配模式
講解OptaPlanner在進行時間分配及規則的時，支持的三種模式：TimeSolt，TimeGrain，及ChainedThrough Time, 模式的原理、構成、實現方法及應用場景
4.3時間計算技巧（將時間轉為數值）
分享在引擎運行過程中，進行時間計算時，可提高性能、簡化計算的方法。
4.4約束流的評分方式詳解
講解如何通過約束流實現約束評分，從而提高評分邏輯的性能、避免使用Drools編寫評分邏輯。
5Optaplanner的規劃步驟及Move的深入學習
講解引擎在運行過程中的種個步驟構成，特別針對其具原子性的Move操作進行剖釋。
5.1Move的行為分析
分析最基本的規劃行為-Move的操作過程，從最基本的運算操作來認識引擎的尋優過程。
5.2MoveSelector與過濾技巧
在引擎運行過程中，如何通過MoveSelection過濾器將不合理及無意義的Move過濾掉，從而提高求解效率。

6OptaPlanner高級特征
6.1啟用并行計算
講解設計并行計算時的原則與技巧，并在7.10.0.Final及以后的版本中，通過配置實現引擎內部的并行運算，提高運行性能。
6.2實現非易失性規劃的方法
通過實時規劃來實現計劃的非易失性。即通過對Planning Variable的值轉換進行分析懲罰，減少前后兩個計劃的過度變化。
6.3實時規劃
講解實時計劃的原理、原則及實現方法，實現在引擎運行過程中，與外界進行實時交互，并實現實時輸出規則結果。
6.4鎖定Planning Entity
通過引擎內部機制，實現在規則過程中對特定的Planning Entity實現鎖定。
6.5BenchMark的應用
講解如何通過BenchMark得到一個問題的規劃建議方案，包括尋優算法的選用，其參數設定等。
6.6PJS模型的研究與應用
基于車間排產的場景，講解如何通過對PJS模型進行衍生，用于解決多工序、多資源模型限制條件下的排程。
1.1SolverManager批量并行規劃
講解通過SolverManager進行多數據集并行計算

2實例演練
2.1基礎應用 - 任務資源分配
設計、并開發一個將任務分配到合適的資源，并實現成本優化的規則程序
2.2高級應用 – 時間規劃
設計開發一個將任務分配到指定的資源，并為每個任務分配開始時間的規則程序，即APS原型。
2.3簡介具體代表性的官方示例（抽取較具代表性的三個案例講解）
講解CloudBalance, TaskAssiging及Vehicle Routingdg三個表性的案例。
2.4Project Job Scheduling模型詳解
基于Project Job Scheduling講解排程場景中通用的規劃模型 – PJS
2.4.1PJS模塊的常見結構
講解PSJ模型及其衍生模型的常見結構與適用場景。
2.4.2PJS模型在OptaPlanner中的實現
通過OptaPlanner中的Project Job Scheduling示例，講解PSJ模型的具體實現