OR-Tools实战二：进阶使用

涉世未深的老人

于 2024-08-29 16:43:05 发布

阅读量635

点赞数 9

文章标签： java 算法前端

本文链接：https://blog.csdn.net/weixin_42060186/article/details/141682607

版权

上一篇介绍了ortools求解vrptw的使用方式，本篇基于此，进行深入研究，分为三个主要部分：允许一部分节点不服务、每辆车负载均衡调整和指定特定点只能由特定的车服务。

前言

为方便解释，特构造数据入参

data["distance_matrix"] = [
        # fmt: off
      [0, 548, 776, 696, 582, 274, 502, 194, 308, 194, 536, 502, 388, 354, 468, 776, 662],
      [548, 0, 684, 308, 194, 502, 730, 354, 696, 742, 1084, 594, 480, 674, 1016, 868, 1210],
      [776, 684, 0, 992, 878, 502, 274, 810, 468, 742, 400, 1278, 1164, 1130, 788, 1552, 754],
      [696, 308, 992, 0, 114, 650, 878, 502, 844, 890, 1232, 514, 628, 822, 1164, 560, 1358],
      [582, 194, 878, 114, 0, 536, 764, 388, 730, 776, 1118, 400, 514, 708, 1050, 674, 1244],
      [274, 502, 502, 650, 536, 0, 228, 308, 194, 240, 582, 776, 662, 628, 514, 1050, 708],
      [502, 730, 274, 878, 764, 228, 0, 536, 194, 468, 354, 1004, 890, 856, 514, 1278, 480],
      [194, 354, 810, 502, 388, 308, 536, 0, 342, 388, 730, 468, 354, 320, 662, 742, 856],
      [308, 696, 468, 844, 730, 194, 194, 342, 0, 274, 388, 810, 696, 662, 320, 1084, 514],
      [194, 742, 742, 890, 776, 240, 468, 388, 274, 0, 342, 536, 422, 388, 274, 810, 468],
      [536, 1084, 400, 1232, 1118, 582, 354, 730, 388, 342, 0, 878, 764, 730, 388, 1152, 354],
      [502, 594, 1278, 514, 400, 776, 1004, 468, 810, 536, 878, 0, 114, 308, 650, 274, 844],
      [388, 480, 1164, 628, 514, 662, 890, 354, 696, 422, 764, 114, 0, 194, 536, 388, 730],
      [354, 674, 1130, 822, 708, 628, 856, 320, 662, 388, 730, 308, 194, 0, 342, 422, 536],
      [468, 1016, 788, 1164, 1050, 514, 514, 662, 320, 274, 388, 650, 536, 342, 0, 764, 194],
      [776, 868, 1552, 560, 674, 1050, 1278, 742, 1084, 810, 1152, 274, 388, 422, 764, 0, 798],
      [662, 1210, 754, 1358, 1244, 708, 480, 856, 514, 468, 354, 844, 730, 536, 194, 798, 0],
        # fmt: on
    ]
data["demands"] = [0, 1, 1, 2, 4, 2, 4, 8, 8, 1, 2, 1, 2, 4, 4, 8, 8]
data["vehicle_capacities"] = [15, 15, 15, 15]
data["num_vehicles"] = 4
data["depot"] = 0
data['vehicle_allow_node'] = [[1,3,14,7],[9,10,16],[11,12,13,15],[2,5,6]]

1.允许不访问/服务部分点

如果一定需要ortools给出方案，而不是报错或者中断，你可能需要关注这个点。例如：如果设置了每辆车的最大工作时间，当其中某个节点预约时间最左时间窗超过这个值时，会报错。有太多不确定性导致ortools不能给出方案。解决办法就是允许不服务部分点。

ortools通过引入新的费用，惩罚访问过程中被丢弃的点，求解器追求满足约束前提下最小总的成本。

// 允许不服务部分节点
penalty = 1000   // 不服务一个节点的惩罚成本
for node in range(1, len(data["distance_matrix"])):
    routing.AddDisjunction([manager.NodeToIndex(node)], penalty)

其中，data["distance_matrix"] 是入参的距离矩阵，具体形式可参考ortools官网例子；根据上面的case，可以结合自己的需求进行调整。

变形1：部分节点可以丢弃，其它不可以

service_node = []    // 必须服务节点(索引)
penalty = 1000   // 不服务一个节点的惩罚成本
for node in range(1, len(data["distance_matrix"])):
    if node in service_node continue
    routing.AddDisjunction([manager.NodeToIndex(node)], penalty)

变形2：不同节点重要性不同

penalty_dict = {}   // 不服务一个节点的惩罚成本
for node in range(1, len(data["distance_matrix"])):
    routing.AddDisjunction([manager.NodeToIndex(node)], penalty[node])

注：根据实际情况组合

2.指定特殊节点只能固定车辆服务

实际业务中，往往不是调度全部的节点，部分节点由于特殊性与固定的车辆绑定了，如果不加处理在迭代过程中很难满足该约束。例如：节点A与车辆1已经越好了，那就不能再分配给其他车辆了等。

变形1：ortools支持用户自定义的绑定节点与车辆的对应关系

# 指定某些node只能指定车辆服务
for v,nodes in enumerate(data['vehicle_allow_node']):
    if len(nodes) == 0: continue
    for n in nodes:
        routing.SetAllowedVehiclesForIndex([v],n)

data['vehicle_allow_node']表示每辆车必须服务的节点

变形2：支持用户基于某个初始解开始搜索

for v in vehicles:
    route = initialRoute[v]
    for node in route:
        routing.SetAllowedVehiclesForIndex([v], node)

3. 追求最小车辆数为优化目标

通常情况下，如果是从固定位置的仓库出发，容量足够大，使用车辆数较少的方案也对应距离最短方案。但，往往还需要考虑其他因素。如果追求的目标并不是总行驶距离最短，而是使用最少的车辆数，可以容忍一辆车跑很远距离，可以通过给每辆车设置固定成本实现。

# 设置车辆固定成本
# routing.SetFixedCostOfAllVehicles(50);
# 每辆车不同的固定成本
for i in range(data['num_vehicles']):
    if i in [0,1]:
        routing.SetFixedCostOfVehicle(1000,i)
    else:
        routing.SetFixedCostOfVehicle(10,i)

4.感悟

ortools工具提供了方便的方式解决vrp及相关变种问题，未暴露源码，只需要按照示例就能解决问题，做到了高度的通用化，但通用化的一个弊端就是个别问题、特殊问题很难轻松解决。通过权重、惩罚等方式实现个性化需求，但模型中权重、惩罚过多时，有可能会相互影响，这时候使用其他启发式算法可能更能方便以后的迭代。