建模实战|第二期：快速掌握ortools求解VRPTW数学模型（附python代码)

经过上一篇无形忍者-禁忌搜索算法求解带时间窗的车辆路径规划问题详解（附python代码）的介绍，我们对带时间窗的车辆路径问题（VRPTW问题）已经有了一定的了解。另外经过这一篇无形忍者-OR-Tools-VRPTW带时间窗的车辆路径问题 的介绍我们对ortools求解器也有了一定的了解，这篇文章是使用ortools的自带库来解决VRPTW问题的。

但是实际工作中遇到的VRPTW问题更复杂，比如约束更多，或者是多目标的。这时候使用ortools中解决车辆路线的自带库会有一定的局限性。所以，本次我们尝试用ortools中的CP-SAT求解器来自行建模求解。接下来，我们先复习一下之前的介绍。

1.什么是VRPTW？

VRPTW（Vehicle Routing Problem with Time Windows，带时间窗的车辆路径问题）是一种经典的组合优化问题，是基于VRP（Vehicle Routing Problem，车辆路径问题）的扩展。在VRPTW中，除了考虑车辆如何有效地访问一组客户点以最小化总行驶成本外，还必须满足每个客户点的时间窗约束。

在VRPTW中，问题的目标是找到一组车辆的最佳路径，以便在满足以下条件的情况下最小化总成本：

①每辆车必须从仓库出发，最终返回仓库；

②每个客户只被1辆车服务；

③每辆车的载重不超过总容量Q；

④每辆车的总时间不超过Dk；

⑤车辆需要在时间窗  内服务客户i,并且需要在 时间窗内返回仓库点

因此，VRPTW需要考虑更多约束条件和限制，使得问题更具挑战性。

2.VRPTW问题建模

2.1问题背景

VRPTW 问题是不仅考虑CVRP的所有约束，还需要考虑时间窗约束，也就是每个顾客对应一个时间窗 ,其中 和和 分别代表该点的最早到达时间和最晚到达时间。通过下面介绍的参数说明和决策变量，结合参考文献（Desaulniers et al.，2006），我们将给出VRPTW 问题的标准模型

2.2参数说明

2.3决策变量

2.4目标函数

2.5约束条件

• 约束1~4分别约束如下：每个客户只被1辆车服务；每辆车必须从仓库出发；经过一个点就离开那个点；车辆最终返回仓库，其中点n+1是仓库点的一个备份，是为了方便实现。

• 约束5为车辆的容量约束

• 约束6~7是时间窗约束，分别约束如下：车辆到达每个顾客点的时间均在时间窗内；

 3.部分python代码

# -*- coding: utf-8 -*-#
# 作者: 无形忍者
# 时间: 2024/3/18 13:14
# 描述: Python调用ortools求解VRPTW数学模型
import math
import re
import time

import matplotlib.pyplot as plt
from ortools.sat.python import cp_model


class InputData:
    customer_num = 0
    node_num = 0
    vehicle_num = 0
    capacity = 0
    cor_x = []
    cor_y