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。
5.建议
- 为防止出现不可行解,应该加入允许不访问节点,惩罚大小影响是否生效
- 如果使用Java调用ortools可能会遇到不同问题,可尝试切换不同ortools版本尝试
- 每个权重、惩罚的设置多测试一下效果,不然很难通过拍脑袋决定
6.参考
Forcing certain vehicles to visit certain locations · google/or-tools · Discussion #2850 · GitHub