Algorithm 最大限度地减少行程数或组最大可能订单数

我们有一个配送中心（仓库），我们实时收到订单，其与仓库和其他订单地点的时间/距离是已知的

时间矩阵=

    W   O1   O2   O3
W   0   5    20    2
O1  5   0    21   7
O2  20  21    0    11
O3  2   7    11   0

O1的订购时间=上午10:00

O2的订购时间=上午10:20

O3订单时间=上午10:25

我希望俱乐部尽可能多的订单，以便任何订单的交付时间不超过其订单时间的2小时。因此，问题是减少旅行次数（旅行是指送货代理去送货的时候）

我正试图想出这个算法。有两个相互竞争的因素

我们可以在订单发出时按顺序合并所有订单，直到在订单发出后2小时内满足订单交付的约束条件

我们可以修改上述方法以找到瓶颈订单（因此，我们现在无法在方法1中加入更多订单）。然后将其从trip1中取出，并将其作为trip 2（新订单）的一部分，然后等待其他订单将其与trip1或trip2合并

---

所有的订单都是实时的。克服这种局面的最佳方法是什么。如果你需要更清楚的解释，请告诉我

非常安全和简单的算法，保证不会超过订单的最大等待时间：

让

TSP（）

作为一个函数，返回访问给定地点所花费的时间估计值。估计值是悲观的，即实际行驶时间可以更短或等于估计值，但不能更长。为了有一个好的开始，您可以以贪婪的方式非常容易地实现

TSP（）

：从每个地方到最近的地方。您可以从W中减去较长边的长度，以获得更好的估计值（因此，汽车将始终从W中减去较短边）。如果

TSP（）

恰好是最优的，那么这里给出的整个算法也是最优的。整个算法与TSP（）的实现一样好，它高度依赖于良好的估计

让

earliestOrderTime

成为最早尚未处理订单的时间

每分钟重复一次：

如果有新订单：如果

s

为空，则将

earliesstordertime

设置为当前时间。将其添加到集合

s

。计算

t=TSP（s+W）

如果（当前时间+

t

=

earliesstordertime

+2小时）：派一辆车进行

TSP（s+W）

行程。将

s

设为空集

例子 对于示例性数据，其工作原理如下：

10点<代码>早期存储时间=10:00

s={O1}

t=TSP（{01，W}）=10-5=5

10:00+0:05<10:00+2:00，所以我们还没有派车，我们等着

10点20分<代码>s={O1，O2}<代码>t=46-20=26

10:20+0:26<10:00+2:00，所以我们等待

10点25分<代码>s={O1，O2，O3}<代码>t=2+7+21+20-20=30

10:25+0:30<10:00+2:00，所以我们等待

11.30

---

11:30+0:30>=10:00+2:00，因此我们派车前往

O3

，

O1

，

O2

，然后返回

W

。他在11:32、11:39、12:00访问订单，12:20回来。等待67、99和100分钟的人。

有一辆车还是多辆车？换句话说，当一辆车开到O1时，我能从W再把另一辆车开到O2吗？你确定在你的问题中矩阵是不对称的吗？在现实生活中，我很难找到从a到B是6分钟，但从B到a是20分钟的情况。但是，当然，也可能出现这种情况。“我只是想确保矩阵可以是不对称的。”AdamStelmaszczyk有很多车可供选择。矩阵是对称的。我已经更新了矩阵。该矩阵具有moc数据。