车辆路径问题VRPTW之三【最近邻插入算法NearestInsertionAlgorithm】

自从聪明的你提出了back_forth算法后，从司机到库管到客户到小领导，总之所有人都欢欣鼓舞。因为司机每天只需要跑一单生意，库管不需要考虑装货难度，客户总能在最好的时间收到货物，小领导把村里的年轻人都招来开货车。太好了，这不是提前实现共同富裕奔小康了么。
但是你被你爹打了两巴掌，还被骂败家子。

为啥？ 你亏本了。你的方案，是最差的可行解，能不被打么。
这下你回到仓库，坐在马路牙子上思考人生。怎么能降点成本呢？
这时你来到车旁，看见空荡荡的车厢里，只堆了几打豆腐，你拿起一块皮实的老豆腐，忘脑门上一拍，碎泱泱的豆腐渣在脸上分布均匀。
啊！有了，我真他娘的是个天才。

降本增效

你立马叫来经理小经，让他把他们村的司机开除，因为你要让每辆车竟可能多的运输货物，装得慢慢得。
但是怎么装呢？ 旁边的小红说，离得近的装一起呗。
好，就选离得近的！
这个方法，就叫最近邻算法。
让一辆车从depot出发，每次选离车辆路线最后的点最近的客户，加入路径。直到下一个点违反了capacity或时间窗约束为止，再生成新的路径。

local function closet(point, node)
    local node_time = push_forward(point, node)
    return beta[1] * dis(point.id, node) + beta[2] * (node_time - point.fT - nodes[node].stime) + beta[3] * (nodes[node].time2 - point.fT - nodes[node].stime - time(point.id,node))
end 

local function isFeasiblePushBack(node)
    if dis(route[#route].id,node) and route[#route].fT + nodes[route[#route].id].stime + time(route[#route].id,node) <= nodes[node].time2 then
        return route[#route].fW + nodes[node].weight <= vehicle[route.vtp].weight and route[#route].fV + nodes[node].volume <= vehicle[route.vtp].volume 
    end 
end 

local function NearestUnroutedNode()
    local min, min_v = 0, math.huge
    for i=1,#unrouted do
        if isFeasiblePushBack(unrouted[i]) then 
            local cclose = closet(route[#route], unrouted[i])
            if cclose < min_v then
                min, min_v = i, cclose
            end 
        end 
    end 
    local node = unrouted[min]
    table.remove(unrouted, min)
    return node
end 

function NearestInsertion(...)
    local solution = Solution:new()
    beta, unrouted = {...}, {}
    for i=1,#nodes do unrouted[#unrouted+1] = i end
    repeat 
        route = Route:new()
        repeat
            local next_node = NearestUnroutedNode()
            if next_node then 
                route:push_back(next_node)
            else
                solution:append(route)
            end 
        until not next_node
    until #unrouted == 0
    beta, unrouted, route = nil, nil, nil
    return solution
end  

计算结果如下

现在只需要9辆车，距离成本降到了715.4，牛逼！