网站导航

多给十秒,路线就会更好吗:把业务约束与求解参数分开实验

全文共 4104 字,阅读约需 9 分钟

沿用容量和时间窗模拟案例,以单因素实验区分业务约束与求解设置,核验路线、等待与求解状态,并保留没有改善的结果。

参数实验:先确认改了什么,再讨论结果好不好

“把时间限制从1秒加到10秒,路线是不是就能再短一点?”这是一个合理的问题。可如果同一轮测试里又换了车型、放宽了收货窗口、改了首解策略,即使里程少了,也不知道是哪一项变化造成的。

D22解决车能否装下的问题,D23把收货时间放进排程。D24 不引入更炫的新算法,而是把实验做得更可信:把业务情景和求解设置分开,每次只改一项,并先检查可行性,再比较结果。

本文全部输入、企业案例和实验结果均为教学模拟。匿名服装只借用生产协同业务语境,不对应真实工厂订单。虚构禾味仍以2家门店、8个食材SKU、14天作为首周背景;十点配送是独立教学扩展,四点时间窗是其中的教学切片,不代表真实门店扩张或运营节省。

一 两种“调参”,回答的是两个问题

容量从12箱改为9箱,改变的是车的装载上限。收货窗口从08:30—09:10缩到08:30,改变的是客户接收条件。二者都会改变允许采用的方案集合,属于业务情景实验。

而同一份输入,把搜索时间上限从1秒改到5秒或10秒,改变的是求解过程可以使用的计算预算。客户没有换要求,车辆没有变大,才是在比较同一个问题上的求解设置。

问题本篇改变的因素必须保持的条件能回答什么
车辆容量变化每车9、12、14箱节点、需求、距离、车辆数、搜索设置这些模拟资源条件下能否配送
收货窗口收紧四点案例中2号点的窗口其他窗口、卸货、出发回仓、容量原顺序是否失效,是否存在替代顺序
搜索时限变化1、5、10秒完整输入、首解策略、局部搜索、目标本次运行是否找到更好的可行路线

业务约束实验与求解设置实验分开记录

OR-Tools 的搜索选项包含搜索时限、首解策略、局部搜索等设置。本文选择 PATH_CHEAPEST_ARC 构造首解,随后使用 GUIDED_LOCAL_SEARCH,并记录原始求解状态。参数名不是质量保证,最终路线仍要独立验算。

D22 的发布记录使用的是 GREEDY_DESCENT。本篇没有把旧记录偷偷当作新实验的控制组,而是在统一的新配置下重新求解所有基准。这样,容量实验中的差别才不会同时混入局部搜索方法的变化。

二 “容量上下调20%”里藏着一个口径问题

两个十点案例均来自 D22 的公开实践包,原始JSON保持不变:每点2箱,共20箱;两辆车各12箱;每辆只跑一趟,每点完整服务一次,不拆单、不丢点。距离仍是各自的11×11整数米矩阵,包含回仓段。

箱数要求整数,本篇事先规定容量乘倍率后向下取整:

  • 12×0.8=9.6,按规则取9箱,实际减少25%。
  • 12×1.2=14.4,按规则取14箱,实际增加约16.67%。

所以图表会直接写“9/12/14箱”,而不是只写“±20%”,掩盖真正送进求解器的数值。这是教学实验的取整约定,并不是现实车型容量会按这种方式变化。

当每辆9箱,两车总容量只有18箱,小于必须配送的20箱。在一车一趟、不可丢点、不可拆单的前提下,不用等待求解器,就能给出一条独立的不可行证明:

总需求20箱 > 总可用容量18箱,因此不存在满足全部需求的方案。

这与 D22 “总容量够用仍可能因不可拆分而不可行”的例子不冲突。总容量足够只是必要条件,不是充分条件。这里连必要条件都不满足。

在产品上,匿名服装的业务人员可能是在比较不同装箱能力的协同车辆;禾味可能是在检验车辆故障后的配送能力。但本模型没有重量、体积、温区、拼载兼容性或多趟补货,不能把“箱数够”扩写成“运输条件全部满足”。

三 先看业务情景,再看求解时间

3.1 容量情景:没有路线,就没有“零公里方案”

模拟案例每车容量求解器原始状态验算总里程用车数独立结论
匿名服装9箱FAIL_TIMEOUT不适用不适用20>18,已由总容量证明不可行
匿名服装12箱SUCCESS28,000米2返回路线验算通过
匿名服装14箱SUCCESS28,000米2返回路线验算通过
禾味扩展9箱FAIL_TIMEOUT不适用不适用20>18,已由总容量证明不可行
禾味扩展12箱SUCCESS20,000米2返回路线验算通过
禾味扩展14箱SUCCESS20,000米2返回路线验算通过

各组时限均为1秒。这里的 SUCCESS 表示本次找到了路线,不是全局最优性证明。

无解行的里程、用车数、违例数显示“不适用”。没有任何可检查的路线,不能填0公里,也不能把“0个违例”写成验收通过。原始求解状态与独立容量证明分别保存:求解器可能到时未找到解,但20>18这个算术证据可以独立证明该情景不可行。

容量扩大后,即使结果里程不变,也不代表大车永远没有价值。它只说明这两个固定模拟输入、当前目标和本次搜索记录没有展示里程收益。现实中的换车价格、停靠限制、装卸效率没有建模,不能由此推荐购买或取消某种车型。

3.2 收紧窗口:比较的是情景,不是算法排名

四点输入沿用 D23,保持08:00出发、10:00前回仓、每车12箱以及原卸货时间和行驶分钟矩阵。只把2号点的服务开始窗口从[510,550]收紧到[510,510],即必须08:30开始服务。这个闭区间合法,也确实是原窗口的子集。

提前到达可以等待;08:30开始卸货、之后才卸完,仍符合本篇“开始服务”口径。如果合同要求08:30前卸完,那是另一项约束,不能只换一个字段名就沿用结论。

四点模拟案例窗口情景返回路线总里程用车数最早排程总等待
匿名服装原窗口14,000米113分钟
匿名服装点2收紧18,000米113分钟
禾味扩展原窗口10,000米112分钟
禾味扩展点2收紧10,000米112分钟

四组均返回 SUCCESS,独立验算无违例。两案反应不同:匿名服装原编号顺序在收紧后失效,本次找到18,000米的替代路线;禾味原编号顺序仍可行。本次服装返回路线长了4,000米,不能说“收紧窗口一定至少增加4,000米”,因为这里没有证明该收紧情景的全局最优值。

等待时间由独立检查器按每条返回顺序生成最早可行排程:到达后,如未到窗口起点则等待,再计算卸货与下一段行驶。它不是本篇优化目标,也不保证等于求解器内部选择的等待安排。本文目标仍只有总距离,不把等待减少直接计作成本节省。

3.3 搜索预算:1秒、5秒、10秒不是三种业务条件

模拟案例搜索上限实测求解墙钟时间验算里程结果
匿名服装1秒1.000秒28,000米可行
匿名服装5秒5.000秒28,000米可行
匿名服装10秒10.000秒28,000米可行
禾味扩展1秒1.001秒20,000米可行
禾味扩展5秒5.001秒20,000米可行
禾味扩展10秒10.000秒20,000米可行

本次运行,额外搜索预算没有带来更短的返回路线。只能据此说“这次没有观察到改善”,不能推导成“增加搜索时间没有意义”。以上时间按毫秒四舍五入;计时包括求解调用的边界开销,可能略超过设置值。实验使用 Python 3.12.14、OR-Tools 9.14.6206;机器负载未控制。

每个配置只跑一次,时限是搜索预算上限,实际耗时另外记录。这里没有多机器、多随机种子、重复运行的性能评估,不能写成算法速度排行榜。相同距离也可能对应不同访问顺序;公平比较至少要同时保留路线、输入散列、版本和完整配置,而不只截图一个目标值。

容量与搜索时限结果分开展示;没有路线不记零公里

四 记录状态,不替求解器编结论

结果不应只有“成功/失败”一个布尔值。最少保留原始状态码、是否返回路线,以及独立验算是否通过。

观察可以说不能自动说
输入不合法需要修复输入或模型业务方案不可行
限时前没返回路线本次预算内没找到解全部路线均不可能
返回路线且验算通过找到当前模型的可行方案已证明全局最优
有严格不可行证明在明确假设下不可行放宽任何条件仍不可行

本篇每条返回路线都重新检查:每点服务一次、车辆出发和回仓、每车需求总量、完整距离;时间窗案例再检查开始服务和回仓时限。检查器直接从输入和节点顺序递推,不相信求解器打印的总数。故意漏点、重复服务、超载、迟到和篡改目标值,都必须触发错误。

这里也要区分“输入无效”和“无解”。例如窗口起点大于终点是错误输入,不能把它包装成客户要求太苛刻的反例。合法窗口变窄后没找到路线,才进入求解状态和可行性分析。

五 把实验变成一张产品决策卡

输入冻结、单因素运行、独立验算与结论边界

一张可评审的实验卡建议包含:

  1. 业务问题:匿名服装关注协同交接的时间约束;禾味关注食材到店收货。两者使用同一实验表结构,但不能混算不同需求和距离。
  2. 冻结内容:输入文件及SHA256、目标单位、版本、车辆数、首解与局部搜索设置。
  3. 唯一改动:容量情景写清实际整数值;窗口写清原区间与新区间;时限写清秒数。
  4. 证据:原始状态、返回路线、独立验算、里程、用车数、耗时和适用的等待信息。
  5. 结论边界:是否只是情景变化,是否只运行一次,是否包含实际成本,是否具备最优性证明。

例如,不能因为14箱情景的路线比9箱情景“好”,就称算法改进。9箱根本没有可行方案;比较对象不是两条合格路线。也不能在10秒没比1秒更短时删掉这一行。没有改善是一个实验结果,不是文章写作的失败。

六 D24 短笔记与可复现资料

下列短笔记是基于本次教学实验的写作示例,不代表读者已完成实验,也不代表真实运营效果:

配送路线更短,首先要问它是不是一条合格路线。D24把实验分成两组:一组改变车辆容量或收货窗口,观察业务情景;另一组固定输入,只增加搜索时间,观察计算预算。两组回答的问题不同,不能混成“算法优化”。

本次两个十点案例都是模拟,每点2箱。原每车12箱,乘0.8后向下取整为9箱,两辆车只有18箱容量,无法完成20箱需求。这里没有路线,不应填0公里;总容量不足本身就是不可行证明。容量增加和窗口收紧则必须重新验算每条路线,不能只看求解器有没有返回结果。

我更关心实验是否可追溯:记录真实整数容量、完整输入、版本、原始状态和路线,再从输入独立计算载荷、服务时间与回仓。增加时限并不等于保证改善;没有改善也保留。匿名服装的工厂交接与禾味的食材收货都需要这条底线:先确认方案能执行,再讨论距离和成本,而且不能把教学模拟写成实际节省。

复现已发布结果只需要 Python 标准库:

python test_run.py
python run.py --output-dir replay

重新求解需安装实践包固定版本的 OR-Tools,输出到新目录,保留发布记录:

python -m pip install -r requirements.txt
python run.py --solve --output-dir new-run

下一步不再让 Agent 自己随意改模型。D25 将把经过验算的流程收拢成核心 Skill,让输入、工具调用、检查和失败处理形成明确契约。Skill 可以描述操作流程,但不替代权限控制,也不意味着系统可以自动派车。