首先实现一个ant蚂蚁类，用此蚂蚁类实现搜索。 算法按照tsp问题去解决，但是在最后计算路径的时候有区别。 比如有10个城市,城市1是配送站，蚂蚁搜索的得到的路径是1,3,5,9,4,10,2,6,8,7。 计算路径的时候把城市依次放入派送线路中, 每放入一个城市前，检查该城市放入后是否会超过车辆最大载重 如果没有超过就放入 如果超过，就重新开始一条派送路线 …… 直到最后一个城市放完 就会得到多条派送路线 这样处理比较简单可以把vrp问题转为tsp问题求解 但

首先实现一个ant蚂蚁类，用此蚂蚁类实现搜索。 算法按照tsp问题去解决，但是在最后计算路径的时候有区别。 比如有10个城市,城市1是配送站，蚂蚁搜索的得到的路径是1,3,5,9,4,10,2,6,8,7。 计算路径的时候把城市依次放入派送线路中, 每放入一个城市前，检查该城市放入后是否会超过车辆最大载重 如果没有超过就放入 如果超过，就重新开始一条派送路线 …… 直到最后一个城市放完 就会得到多条派送路线 这样处理比较简单可以把vrp问题转为tsp问题求解 但

假设在一个供求关系系统中，车辆从货源取货，配送到对应的若干配送点。车辆存在最大载货量，且配送可能有时间限制。需要合理安排取货时间，组织适当的行车路线，使用户需求得到满足，同时使某个代价函数最小，比如总工作时间最少、路径最短等。 可以看出TSP问题是VRP问题的一种简单特殊形式。因此，VRP也是一种NP hard 问题。 目前解决此种问题的办法有多种，主要以启发式算法为主。包括退火算法、遗传算法、蚁群算法、禁忌算法等，本文介绍两种比较简单算法：C-W节约算法和遗传算法。(Assume that

用于求解配送路径优化问题，即vrp问题，算法是蚁群算法，优化目标为路线最短(It is used to solve the distribution path optimization problem, that is vrpentire. The algorithm is ant colony algorithm, and the optimization goal is the shortest route)