常见规划问题2

一、Ortools使用

线性规划，默认使用GLOP

整数规划，默认使用CBC（Coin-or branch and cut），还包括SCIP、GLPK、Gurobi等

开源求解器，在计算性能和规模上弱于商业求解器，适用于中小企业及普通问题

ortools： 整数规划求解器，默认使用CBC（Coin-or branch and cut），还包括SCIP、GLPK、Gurobi等

Solver创建 solver = pywraplp.Solver.CreateSolver('SCIP')

变量设置

solver.NumVar：创建普通变量

solver.IntVar：创建整数变量

二、Project A：Santa服务调度

%%time 在jupyter中可以给出cell代码运行一次的时间

np.sort(a)，对a按从小到大的顺序排序 np.argsort(a)，返回数组从小到大的索引

@njit(fastmath=True) numba是python的即时编译器，当调用python函数时，代码会替换为机器码执行 numba可以加速计算负载比较大的python函数

@njit 表示全部使用加速 fastmath=True，启用函数的快速数学行为

三、旅行商问题（TSP）：

Travelling Salesman Problem，一个旅行商想去拜访若干城市，然后回到他的出发地，给定各个城市之间所需的旅行时间后，怎样计划他的路线，使得他能对每个城市恰好进行一次访问，而且总时间最短

from sko.GA import GA_TSP

ga_tsp = GA_TSP(func=compute_distance, n_dim=num_points, size_pop=50, max_iter=500, prob_mut=0.2) 编写compute_distance函数，计算城市的距离

四、多辆车的路径规划 VRP

条件：经过中国33个城市，一共4辆车，每辆车最大行驶10000公里 目标：使得每辆车的行驶里程数更接近 数据预处理：

1）设置 num_vehicles，代表一共多少量车

2）设置 depot，代表所有车的起始出发点一样，都是从节点depot开始

3）添加距离约束，即每辆车的最大行驶距离

需要注意：

1）在VRP问题中，路径上给点赋的index和点实际的index不一样，需要使用IndexToNode方法进行转换才能得到实际的index