optaplanner

在現實世界中，車輛路徑問題（VRP）中的車輛必須走這條路：它們不能在客戶之間直線行駛。 大多數VRP研究論文和演示都樂于忽略此實現細節。 和我一樣，過去。 盡管使用道路距離（而不是空中距離）不會對VRP的NP硬性產生多大影響，但確實會帶來一些額外的挑戰。 讓我們來看看這些挑戰。

道路距離數據集

首先，我們需要現實的數據集。 不幸的是，在VRP研究社區中，缺乏具有道路距離的公共VRP數據集。 VRP Web很少，例如位于29個位置的巴伐利亞數據集，但沒有什么嚴重的。 因此，我必須根據以下要求自己生成一些實際的數據集：

將Google Maps用作道路，在數據集中每對位置之間的真實距離以km為單位。

• 例如，在小道路上合理的時候使用高速公路。

對于每個數據集，生成空中距離變量和道路距離變量，以比較結果。

生成多個數量級的相似數據集，以比較可伸縮性。

為VRP中的車輛容量限制添加合理的車輛容量和客戶需求。

我最終生成了比利時的數據集，其中包含城市，城鎮和郊區的位置。 最大的一個有2750個位置。 稍后，我可能會添加USA數據集的道路變量，這些變量最多可包含10萬個位置。

通過使用基于OpenStreetMap的出色的Java庫GraphHopper ，查詢實際道路距離相對容易。 只要整個道路網（比利時只有200MB）可以加載到內存中，它也很快。 加載整個北美道路網絡（6GB）更具挑戰性。 我將這些數據集提交到VRP Web，以便其他研究人員也可以使用它們。

所有這一切都發生在 OptaPlanner的VRP示例開始解決它之前。 在求解過程中，距離已經在查找表中可用。 一旦我們開始生成具有1000個或更多位置的數據集，預先計算每個位置對之間的所有距離可能會帶來內存和性能問題。 我將在下一個博客中解釋這些以及補救措施。

空中距離與道路距離

為了清楚起見，我將集中在數據集belgium-n50-k10.vrp上，該數據集具有50個位置和10個車輛，每個車輛的容量為125。 OptaPlanner有5分鐘的時間來解決這兩種變化（空中和道路距離）。

使用空中距離 （可根據緯度和經度計算歐幾里得距離）會導致：

總距離22.99并不重要，因為它不在通用的度量單位內，而且我們的車輛無論如何也無法從點到點飛行。 我們需要將此空距解決方案應用于真實道路網絡 （如下所示），以了解真實距離：

現在，讓我們比較上面的空中距離解決方案和下面的道路距離解決方案。

道路距離解決方案所需的時間減少了108.45公里，因此提高了近5％！ 而且，這是世界上最密集的道路網之一（比利時的道路網）：在稀疏的道路網上，收益可能會更多。

結論

使用實際距離而不是空中距離確實很重要。 用空距離求解VRP，然后應用道路距離是次優的。

但是，我們真的可以預先計算大型數據集中的每個地理位置對嗎？ 敬請關注。

翻譯自: https://www.javacodegeeks.com/2014/09/optaplanner-vehicle-routing-with-real-road-distances.html

optaplanner

總結

以上是生活随笔為你收集整理的optaplanner_OptaPlanner –具有真实道路距离的车辆路线的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。