我們把問題分解，最終轉化爲求解路徑規劃問題——廣義旅行商問題
針對廣義旅行商問題這種NP難題，沒有很好的可以求解出精確解的方法，比較常用的就是改良圈算法、動態規劃和啓發式求解算法。其中啓發式求解算法主要有遺傳算法，蟻羣算法，模擬退火算法、禁忌搜索算法等。
而本問題不是一個完全的TSP問題，因爲不要求最後回到起點，但是依然可以使用啓發式算法求解本問題，在此我們選擇模擬退火算法求解，內循環是時齊算法的模擬退火，設置參數如下：
初始化溫度：T0=-(max(StartPath)-min(StartPath))/log(0.9)
溫度下限：Tf=0.001
溫度下降梯度：0.8
馬氏鏈長度：100*CityNum
但是由於本問題是一個城市數量隨時間變化的問題，不同於傳統的城市數目固定，每一次路徑選擇的時候，可能會有新的城市點出現並影響你的決定，所以爲了考慮新出現的點對於當前路徑的影響，可以採取策略貪心——即每次將新點加入圖中，重新規劃路徑。
對於有多道工序的問題，我們採取最大權匹配（採用KM算法求解）解決工序的先後問題，然後將匹配後的兩個點視作一個點，構建一個有向圖進行路徑規劃。
完整代碼百度雲盤下載鏈接：
鏈接：https://pan.baidu.com/s/1fZCxOUsu-TE4G5PJo46hAQ 密碼：fqec