huawei 2017

huawei 2017

Author: llmfans

examples/huawei_2017/GUIDE.md

@@ -0,0 +1,267 @@
+# Huawei CodeCraft 2017 CDN Optimization with OpenEvolve
+
+## 问题概述
+
+这是华为 CodeCraft 2017 编程大赛的题目 - 一个视频内容分发网络(CDN)服务器部署优化问题。
+
+**目标**: 最小化总成本 = 服务器部署成本 + 带宽租用成本
+
+**约束条件**:
+- 满足所有消费节点的视频带宽需求
+- 不超过网络链路的带宽容量
+- 不超过服务器的输出能力上限
+
+**问题本质**: 这是一个设施选址(Facility Location)和多商品流(Multi-Commodity Flow)的组合优化问题，属于NP-hard问题。
+
+## OpenEvolve 原理
+
+OpenEvolve 使用**进化算法** + **大语言模型**来优化代码：
+
+1. **MAP-Elites算法**: 维护程序多样性，在特征空间中保留精英解
+2. **Island-Based Evolution**: 多个独立种群并行演化，定期迁移交流
+3. **LLM驱动变异**: 使用Qwen等大模型生成智能代码变异
+4. **级联评估**: 多阶段评估策略，快速过滤低质量解
+5. **进程池并行**: 并行评估多个程序，加速演化
+
+## 文件说明
+
+- `initial_program.py` - 初始基线解决方案（简单贪心策略）
+- `evaluator.py` - 评估器，测试程序在多个案例上的表现
+- `config.qwen.yaml` - Qwen模型配置文件
+- `case_example/` - 测试用例目录
+  - `batch1/0Primary/` - 初级测试用例
+  - `batch1/1Intermediate/` - 中级测试用例
+  - `batch1/2Advanced/` - 高级测试用例
+  - `batch2/`, `batch3/` - 更多测试批次
+
+## 快速开始
+
+### 1. 安装依赖
+
+```bash
+cd /path/to/openevolve
+pip install -e ".[dev]"
+```
+
+### 2. 验证初始程序
+
+```bash
+cd examples/huawei_2017
+
+# 测试单个案例
+python initial_program.py case_example/batch1/0Primary/case0.txt
+
+# 完整评估
+python -c "from evaluator import evaluate; result = evaluate('initial_program.py'); print(result.metrics)"
+```
+
+预期输出:
+```
+{'valid_solutions': 1.0, 'avg_cost': 149920.0, 'combined_score': 0.6267, ...}
+```
+
+### 3. 运行进化优化
+
+**Linux/Mac**:
+```bash
+chmod +x run_evolution.sh
+./run_evolution.sh --iterations 300
+```
+
+**Windows**:
+```batch
+run_evolution.bat --iterations 300
+```
+
+**Python直接调用**:
+```bash
+python ../../openevolve-run.py initial_program.py evaluator.py \
+    --config config.qwen.yaml \
+    --iterations 300
+```
+
+### 4. 查看结果
+
+进化过程中会自动保存：
+
+- `openevolve_output/best/best_program.py` - 最优解
+- `openevolve_output/best/best_program_info.json` - 最优解的性能指标
+- `openevolve_output/checkpoints/checkpoint_N/` - 定期保存的检查点
+- `openevolve_output/logs/` - 详细日志
+
+### 5. 从检查点恢复
+
+如果进化中断，可以从检查点恢复：
+
+```bash
+python ../../openevolve-run.py initial_program.py evaluator.py \
+    --config config.qwen.yaml \
+    --checkpoint openevolve_output/checkpoints/checkpoint_150 \
+    --iterations 50
+```
+
+## 性能指标说明
+
+评估器返回以下指标：
+
+- `valid_solutions` (0.0-1.0): 有效解的比例
+- `avg_cost`: 平均总成本（越低越好）
+- `cost_score` (0.0-1.0): 成本得分（归一化）
+- `time_score` (0.0-1.0): 执行时间得分
+- `combined_score` (0.0-1.0): 综合得分
+  - 公式: `0.5 * valid_rate + 0.4 * cost_score + 0.1 * time_score`
+
+**基线性能** (初始程序):
+- Valid Solutions: 100%
+- Average Cost: ~150,000
+- Combined Score: ~0.63
+
+**优化目标**:
+- 降低平均成本到 100,000 以下
+- 提高 Combined Score 到 0.75+
+
+## 配置参数说明
+
+`config.qwen.yaml` 中的关键参数：
+
+```yaml
+max_iterations: 300          # 进化迭代次数
+checkpoint_interval: 30      # 每30次迭代保存检查点
+
+llm:
+  primary_model: "Qwen/Qwen2.5-Coder-32B-Instruct"  # 使用的模型
+  temperature: 0.8           # 生成的随机性(0-1，越高越随机)
+  max_tokens: 8192           # 单次生成的最大token数
+
+database:
+  num_islands: 4             # 岛屿数量（并行演化的种群数）
+  population_size: 80        # 种群大小
+  elite_selection_ratio: 0.25  # 精英选择比例
+
+evaluator:
+  timeout: 90                # 单个程序评估超时(秒)
+  parallel_evaluations: 3    # 并行评估的程序数量
+```
+
+**调优建议**:
+- 如果想快速实验: `max_iterations: 100`, `population_size: 40`
+- 如果想更好结果: `max_iterations: 500`, `population_size: 120`, `num_islands: 6`
+- 如果API调用受限: 降低 `parallel_evaluations` 和 `num_islands`
+
+## 算法优化方向
+
+OpenEvolve 的 LLM 会尝试探索以下优化策略：
+
+1. **贪心启发式**
+   - 服务器放置策略（靠近高需求区域）
+   - 服务器类型选择（容量vs成本权衡）
+
+2. **局部搜索**
+   - 服务器重定位
+   - 服务器增删
+   - 需求重分配
+
+3. **流量优化**
+   - 更好的路由算法
+   - 带宽成本最小化
+   - 负载均衡
+
+4. **高级技术**
+   - 聚类消费节点
+   - 分层部署策略
+   - 动态规划组件
+   - 启发式剪枝
+
+## 常见问题
+
+### Q: 进化过程很慢怎么办？
+
+A: 可以调整以下参数加速：
+- 减少 `max_iterations`
+- 减少测试用例数量（在evaluator.py中调整`load_test_cases()[:5]`）
+- 增加 `parallel_evaluations`（如果有更多CPU核心）
+- 使用更快的LLM模型
+
+### Q: 所有解都无效怎么办？
+
+A: 检查：
+1. 初始程序能否正常运行
+2. 评估器是否配置正确
+3. 约束条件是否理解正确
+4. LLM生成的代码是否有语法错误（查看日志）
+
+### Q: 成本没有下降怎么办？
+
+A: 尝试：
+1. 增加 `temperature` 提高探索性
+2. 增加 `population_size` 和 `num_islands`
+3. 调整 `elite_selection_ratio` 和 `exploitation_ratio`
+4. 修改 prompt 提供更多优化提示
+
+### Q: 如何使用其他模型？
+
+A: 修改 `config.qwen.yaml` 中的 `llm.primary_model`：
+
+```yaml
+# 使用 OpenAI GPT-4
+llm:
+  primary_model: "gpt-4"
+  api_key: "your-openai-api-key"
+  api_base: "https://api.openai.com/v1"
+
+# 使用本地模型（需要兼容OpenAI API）
+llm:
+  primary_model: "local-model-name"
+  api_base: "http://localhost:8000/v1"
+```
+
+## 进阶使用
+
+### 可视化演化树
+
+```bash
+python ../../scripts/visualizer.py \
+    --path openevolve_output/checkpoints/checkpoint_300/
+```
+
+### 分析最佳程序
+
+```python
+import json
+
+# 读取最佳程序信息
+with open('openevolve_output/best/best_program_info.json') as f:
+    info = json.load(f)
+    print(f"Generation: {info['generation']}")
+    print(f"Found at iteration: {info['iteration']}")
+    print(f"Metrics: {info['metrics']}")
+
+# 读取并测试最佳程序
+with open('openevolve_output/best/best_program.py') as f:
+    best_code = f.read()
+    print(best_code)
+```
+
+### 批量测试
+
+```python
+from evaluator import evaluate
+import glob
+
+for checkpoint_dir in sorted(glob.glob('openevolve_output/checkpoints/checkpoint_*')):
+    program_path = f'{checkpoint_dir}/best_program.py'
+    if os.path.exists(program_path):
+        result = evaluate(program_path)
+        print(f"{checkpoint_dir}: {result.metrics['combined_score']:.4f}")
+```
+
+## 参考资料
+
+- [OpenEvolve 文档](../../CLAUDE.md)
+- [华为 CodeCraft 2017 题目](README.md)
+- [MAP-Elites 算法论文](https://arxiv.org/abs/1504.04909)
+- [AlphaEvolve 论文](https://deepmind.google/discover/blog/alphaevolve/)
+
+## 许可证
+
+本示例遵循 OpenEvolve 项目的许可证。

examples/huawei_2017/QUICK_START.md

@@ -0,0 +1,103 @@
+# 快速开始 - 华为2017 CDN优化
+
+## 5分钟快速运行
+
+### 1. 确认环境
+```bash
+cd openevolve/examples/huawei_2017
+python -c "from evaluator import evaluate; print('OK')"
+```
+
+### 2. 测试初始程序
+```bash
+python initial_program.py case_example/batch1/0Primary/case0.txt
+```
+
+应该看到成本输出和路径方案。
+
+### 3. 验证评估
+```bash
+python -c "from evaluator import evaluate; r = evaluate('initial_program.py'); print(f'Score: {r.metrics[\"combined_score\"]:.4f}')"
+```
+
+应该看到 Score: ~0.6267
+
+### 4. 运行进化（短测试）
+```bash
+python ..\..\openevolve-run.py initial_program.py evaluator.py --config config.qwen.yaml --iterations 100 --checkpoint .\openevolve_output\checkpoints\checkpoint_975
+```
+
+### 5. 查看结果
+```bash
+cat openevolve_output/best/best_program_info.json
+```
+
+## 完整运行（300次迭代）
+
+**Windows**:
+```batch
+run_evolution.bat
+```
+
+**Linux/Mac**:
+```bash
+chmod +x run_evolution.sh
+./run_evolution.sh
+```
+
+预计时间: 3-5小时（取决于API速度）
+
+## 关键文件
+
+- ✅ `initial_program.py` - 基线程序（成本~150,000）
+- ✅ `evaluator.py` - 评估器（测试5个案例）
+- ✅ `config.qwen.yaml` - Qwen模型配置
+- 📁 `case_example/` - 测试用例（80个）
+- 📊 `openevolve_output/` - 进化结果（运行后生成）
+
+## 预期效果
+
+| 指标 | 初始值 | 目标 |
+|------|--------|------|
+| 有效率 | 100% | 100% |
+| 平均成本 | 150,000 | < 100,000 |
+| 综合得分 | 0.63 | > 0.75 |
+
+## 常见问题
+
+### API Key配置
+
+编辑 `config.qwen.yaml`:
+```yaml
+llm:
+  api_key: "your-api-key-here"
+  api_base: "https://your-api-endpoint"
+```
+
+### 加速测试
+
+减少迭代次数和测试用例：
+```bash
+python ../../openevolve-run.py initial_program.py evaluator.py \
+    --config config.qwen.yaml --iterations 50
+```
+
+在 `evaluator.py` 中修改:
+```python
+test_cases = load_test_cases(case_dir)[:2]  # 只测试2个案例
+```
+
+### 查看详细日志
+
+```bash
+tail -f openevolve_output/logs/openevolve_*.log
+```
+
+## 下一步
+
+详细文档请查看:
+- `GUIDE.md` - 完整使用指南
+- `README.md` - 问题描述
+- `../../CLAUDE.md` - OpenEvolve架构
+
+祝优化顺利！ 🚀