Google OR-Tools 中实现节点位置依赖的动态路径成本建模_网络技术

Google OR-Tools 中实现节点位置依赖的动态路径成本建模

发布时间 - 2026-01-07 00:00:00 点击率：次

本文介绍如何在 or-tools 的 vrp 求解器中建模「同一节点在路径中不同位置（中间 or 终点）具有不同成本」的场景，通过节点复制、活动变量约束与惩罚型 disjunction 技术实现动态成本嵌入。

在标准车辆路径问题（VRP）中，节点成本通常被建模为边权重（如 distance_matrix[i][j]）或固定服务成本，但 Google OR-Tools 原生不支持「节点成本随其在路径中的逻辑位置（如是否为最后一个非仓库节点）动态变化」的直接表达。上述问题中，每个客户节点 i 有两个成本：part（作为中间节点时的开销）和 final（作为该车辆路径的最终客户时的开销），而仓库（depot）始终为起点和终点（索引 0）。目标是最小化路径中所有“被访问且承担对应角色”的节点成本之和。

核心思路是将语义上“一个节点两种角色”转化为物理上“两个独立节点”，再通过求解器约束强制互斥选择与角色绑定：

✅ 实现步骤详解

节点复制（Node Duplication）
对每个客户节点 i ∈ {1, 2, ..., n}，创建两个索引：
- regular_i：代表“作为中间节点出现”（即路径中非末尾客户）
- final_i：代表“作为该车辆路径最后一个客户出现”
Depot（索引 0）保持唯一，但需特殊处理：它既是起点，也作为每条路径的显式终点（0 → ... → final_i → 0），但 final_i → 0 这段弧的成本设为 0，不计入目标函数。
约束节点后继关系（NextVar Control）
使用 routing.NextVar(index) 显式限制每个节点的合法后继：
- regular_i 的后继只能是其他 regular_j 或 final_j（不能是 depot），确保它不会成为路径终点；
- final_i 的后继只能是 depot（0）或 -1（表示被丢弃），即：routing.AddToAssignment(routing.NextVar(final_i) == 0) 或通过 AllowedValues 限定。

互斥访问约束（Disjunction / ActiveVar Sum）
防止同一客户被重复访问（如既选 regular_1 又选 final_1）：

# 确保 regular_i 和 final_i 至多被激活一个
routing.AddVariableMinimizedByFinalizer(routing.ActiveVar(regular_i))
routing.AddVariableMinimizedByFinalizer(routing.ActiveVar(final_i))
routing.solver().Add(
    routing.ActiveVar(regular_i) + routing.ActiveVar(final_i) <= 1
)

动态成本嵌入（Penalty-based Objective）
利用 AddDisjunction() 引入软约束，将“未被选中”转化为目标函数中的显式惩罚：
- 对 regular_i：若未被激活（即未作为中间节点使用），则需支付 part[i] 成本（因客户必须被服务，未被中间服务就只能由 final 承担）→ 但更合理的是：对 final_i 设置 part[i] 的惩罚，表示“若不选 final_i，则必须以 part 方式服务，但此时它无法成为终点” —— 实际建模中，我们反向设计：
  - 为 final_i 添加 disjunction，惩罚值为 part[i]：若 final_i 被丢弃（ActiveVar=0），则加罚 part[i]（意味着该客户只能以“中间”方式服务，但需保证其确实在某路径中）；
  - 为 regular_i 添加 disjunction，惩罚值为 final[i]：若 regular_i 被丢弃，加罚 final[i]（意味着它必须作为终点被服务）。
- 最终目标函数 = 所有被激活节点的 part/final 成本之和 + 所有触发的惩罚项。
Depot 处理技巧
将 depot（0）同时设为 Start 和 End：
```
for vehicle_id in range(num_vehicles):
    routing.Start(vehicle_id)  # = 0
    routing.End(vehicle_id)    # = 0
```
并设置 distance_callback(i, 0) = 0 对所有客户 i，使 final_i → 0 不增加成本，仅用于拓扑闭合。

? 示例代码片段（Python + OR-Tools）

from ortools.constraint_solver import pywrapcp, routing_enums_pb2

# 假设 costs = [{"part":0,"final":0}, {"part":2,"final":3}, ...]
n = len(costs) - 1  # 客户数（不含 depot 0）

# 创建路由模型
manager = pywrapcp.RoutingIndexManager(n * 2 + 1, num_vehicles, 0, 0)
routing = pywrapcp.RoutingModel(manager)

# 定义回调：distance from i to j (0 for any -> depot)
def distance_callback(from_index, to_index):
    from_node = manager.IndexToNode(from_index)
    to_node = manager.IndexToNode(to_index)
    if to_node == 0:  # depot
        return 0
    # 实现客户间距离逻辑（此处简化为 0，重点在 node cost）
    return 0

transit_callback_index = routing.RegisterTransitCallback(distance_callback)
routing.SetArcCostEvaluatorOfAllVehicles(transit_callback_index)

# --- 关键：添加 dynamic node cost via penalties ---
for i in range(1, n + 1):
    regular_idx = manager.NodeToIndex(i)           # original node i
    final_idx   = manager.NodeToIndex(i + n)       # duplicated final node

    # 1. 互斥：regular_i 和 final_i 至多一个 active
    routing.solver().Add(
        routing.ActiveVar(regular_idx) + routing.ActiveVar(final_idx) <= 1
    )

    # 2. 约束 next：regular_i 不能指向 depot；final_i 只能指向 depot
    routing.AddToAssignment(routing.NextVar(regular_idx) != 0)
    routing.AddToAssignment(routing.NextVar(final_idx) == 0)

    # 3. Disjunction penalties
    # 若 final_i 未被选，则罚 part[i]（客户需以 part 方式服务）
    routing.AddDisjunction([final_idx], costs[i]["part"], 1)
    # 若 regular_i 未被选，则罚 final[i]（客户需以 final 方式服务）
    routing.AddDisjunction([regular_idx], costs[i]["final"], 1)

# 求解...
search_parameters = pywrapcp.DefaultRoutingSearchParameters()
search_parameters.first_solution_strategy = (
    routing_enums_pb2.FirstSolutionStrategy.PATH_CHEAPEST_ARC
)
solution = routing.SolveWithParameters(search_parameters)

⚠️ 注意事项与最佳实践

索引管理务必清晰：建议用字典映射逻辑节点 i 到 regular_idx / final_idx，避免硬编码错误；
惩罚值需足够大：AddDisjunction(penalty) 中的 penalty 应显著大于任何可行路径成本差异，否则求解器可能“故意丢弃节点”来降低总成本（违背服务全覆盖前提）；
验证路径结构：解析解时，需识别 final_i 是否被激活，并确认其前驱是否为 regular_j 或其他 final_k（实际应只接 regular 或起始 depot）；
性能考量：节点数量翻倍会增加搜索空间，对大规模实例建议结合 LocalSearchMetaheuristic.GUIDED_LOCAL_SEARCH 提升鲁棒性。

该方法虽引入额外变量，但完全兼容 OR-Tools 的 CP-SAT 与 RoutingModel 架构，是解决“位置敏感节点成本”问题的成熟工程实践。完整可运行示例见官方 Gist：https://www./link/d42e8faa72ba342df9147902bebb0aac。

# python # git # node # go # github # 编码 # ai # 路由 # google # cos

相关栏目：【网站优化151355 】【网络推广146373 】【网络技术251813 】【 AI营销90571 】

上一篇：win10存储感知要不要开

下一篇：win10开机蓝屏0xc000001怎么办

相关栏目网站优化
网络推广
网络技术
AI营销

最新文章 Sublime怎么一键压缩JS代码 Su sublime如何在搜索中使用正则表达式 Sublime如何设置透明窗口效果 Su mysql如何设计商品表结构_mysql css属性背景图不显示怎么办_通过检查路如何使用Golang实现排序_Golan 农历闰月是怎么回事_为合回归年加一月调整塑造《刺客信条》艾吉奥传奇的编剧离开育碧 1英里等于多少公里 1mile和km的换 css grid布局中行和列是如何定义的 PS批量旋转和翻转图片，快速校正图片方向 C# Swagger UI自定义方法 C OPPO手机九宫格和全键盘怎么切换_OP Go语言如何实现用户登录注册_Golan 1节飞行速度多少公里每小时 1节是多少公纸嫁衣8千子树第五章庙门怎么开启庙门 Laravel 多行数据编辑表单中实现逐明日之后如何提升钓鱼等级明日之后提升钓支付宝怎样查年度账单_支付宝年度账单查看 C# 多线程UI更新Dispatcher

上一篇：win10存储感知要不要开

下一篇：win10开机蓝屏0xc000001怎么办