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硬性產生很大影響，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，生成一個空中距離變量和一個道路距離變量，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數據集的道路變體，這些變體最多可達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。 加載北美的整個道路網絡（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體（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，而且因為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，讓我們將上方的空中距離解決方案與下方的道路距離解決方案進行比較。

道路距離解決方案所需的時間減少了108.45公里，因此幾乎提高了5％！ 這就是世界上最密集的道路網絡之一（比利時的道路網絡）：在更稀疏的道路網絡上，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，然后應用道路距離不是最理想的。

但是，我們真的可以預先計算大型數據集中的每個位置對嗎？ 敬請關注。

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

總結

以上是生活随笔為你收集整理的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。