2022年电工杯获奖，代码全，最终拿了二等奖。 本文针对一个类旅行商问题，并未沿用传统思路，而是将其视作一个车辆规划模型， 使用搜索的方式列出可能性，再通过启发式算法来对所有的可能性做出选择，能够在保 证准确率的同时，极大的缩短模型运行的时间，达到更高的效率。 问题一中，针对一个类旅行商问题，本文建立了一个基于模拟退火（SA）和深度优 先搜索（DFS）的类旅行商问题（TSP）求解模型，得出的最优解共计配送里程 582km。 问题二中，对于多个路径叠加的问题，本文建立了一个基于粒子群优化（PSO）的 广度优先搜索（BFS）模型，共计配送时间 380 分钟。 问题三中，针对并非常规的 TSP 问题，本文将其视作一个车辆路径问题（VRP），使 用 K-means 的方法进行划分，然后建立了一个基于遗传算法的车辆路径规划模型，最终 的结果有超过 50%的概率能够收敛到全局最优。 问题四中，对于一个更复杂的路径规划问题，依然先使用 K-means 的方法对整个图 进行分区，分区后再将每个区视作一共车辆路径规划问题，建立了一个基于遗传算法的 车辆路径规划模型。 本文最大的特色是本文选择带入