JAVA车辆路径规划车辆路径规划问题

转载

level 2024-01-28 14:32:13

文章标签 JAVA车辆路径规划 ci 解决方案 Problem 文章分类 Java 后端开发

VRP 问题

VRP 问题也叫车辆路径问题，可以看成旅行商问题的推广
有N辆车，都从原点出发，每辆车访问一些点后回到原点，要求所有的点都要被访问到，求最短的车辆行驶距离或最少需要的车辆数

应用领域

快递公司 - 给司机分配送货线路
拼车软件 - 为司机分配接送乘客的路线

常见的限制要求

车辆具有可携带的最大重量或数量
司机需要在指定时间窗口内访问某位置点的访问顺序等

VRP问题的求解

NP Hard问题，即使只有几百个客户节点，也很难在有限时间内找到最优解

研究工作分为两个流派
1）通过运筹学（Operations）
将VRP定义为数学优化问题，通过启发式算法达求近似最优解
2）通过深度学习
比如GCN，计算节点特征，边特征

常见工具

OR-Tools：
Google的运筹学工具，启发式求解器
在可接受的时间内可以求解较大规模的VRP问题
支持的应用场景：
1）VRP（一辆车或多辆车）
2）带有容量约束的VRP
3）带有时间窗口约束的VRP
4）指定拿起放下地点的VRP（pickups and deliveries）

VRP问题的流程

使用RoutingModel进行路径规划管理

1）设置城市个数，车辆数，起点下标
2）设置距离回调函数 distance_callback
3）设置初始可行解算法

PATH_CHEAPEST_ARC，从start节点开始，找到CHEAPEST的路径

返回值情况

0 ROUTING_NOT_SOLVED: Problem not solved yet.
1 ROUTING_SUCCESS: Problem solved successfully.
2 ROUTING_FAIL: No solution found to the problem.
3 ROUTING_FAIL_TIMEOUT: Time limit reached before finding a solution.
4 ROUTING_INVALID: Model, model parameters, or flags are not valid.

优化（使用local search）

search_parameters.local_search_metaheuristic = (
routing_enums_pb2.LocalSearchMetaheuristic.GUIDED_LOCAL_SEARCH)
#搜索时间限制
search_parameters.time_limit.seconds = 120

项目：指定城市的旅行商问题

实现步骤

Step1，数据预处理

1）所有城市的位置（经度、维度）

2）城市之间的距离矩阵

Step2，根据指定的城市，计算TSP，得到路径route
Step3，可视化交互

1）选择指定的城市

2）画出车辆行驶路径（基于百度地图API）

车辆路径规划步骤：

Step1, 创建参数字典data
Step2，创建路线索引管理器
Step3，创建路线模型
Step4，注册各种限制和约束条件
Step5，设置解决方案策略
Step6，计算解决方案
Step7，输出结果

import pandas as pd
from ortools.constraint_solver import routing_enums_pb2,pywrapcp

class vrp(object):
    # 初始化数据格式
    def get_data(self):
        ...
    
    # 输出结果
    def get_solution(self,manager, routing, solution):
        ...
    
    def fit(self):
        ...


city_names = ['北京', '上海', '广州']
model = vrp(city_names = city_names)
route, route_distance = model.fit()
print(route)
print(route_distance)