华为2019挑战赛

华为软件精英挑战赛总结（初赛）

赛题：

评分标准：

思路：这是一个典型的动态负载均衡算法的设计，对于每一辆车来讲，时间最短意味着路程最优，首先想到迪杰斯特拉来求出每一辆车的最优路径。

 1 def Dijkstra(Map, start_point, end_point):
 2     dict = defaultdict(list)
 3     for StartPoint,EndPoint,RoadLength in Map:
 4         dict[StartPoint].append((RoadLength,EndPoint))
 5     q, seen, mins = [(0, start_point, ())], set(), {start_point: 0}
 6     while q:
 7         (cost,v1,path) = heappop(q)
 8         if v1 not in seen:
 9             seen.add(v1)
10             path = (v1, path)
11             if v1 == end_point:
12                 break;
13             for RoadLength, v2 in dict.get(v1, ()):
14                 if v2 in seen: continue
15                 prev = mins.get(v2, None)
16                 next = cost + RoadLength
17                 if prev is None or next < prev:
18                     mins[v2] = next
19                     heappush(q, (next, v2, path))
20     return cost,path

这是一个利用栈来优化后的迪杰斯特拉算法，算法返回路径花费和具体路径。这样能求出每一辆车在地图上的花费和最优路径。

核心思想有了，能够来处理数据，咱们利用pandas来进行数据的处理和储存，处理后的数据得出三个矩阵，分别为车辆，道路和交叉路口。

咱们利用路网信息来构建交通地图：

1 def ConstructionMap(roadData):
2     Map = []
3     for i in range(len(roadData)):
4         if (roadData[i][-1] == 1):
5             Map.append((str(roadData[i][-3]), str(roadData[i][-2]), roadData[i][1]))
6             Map.append((str(roadData[i][-2]), str(roadData[i][-3]), roadData[i][1]))
7         else:
8             Map.append((str(roadData[i][-3]), str(roadData[i][-2]), roadData[i][1]))
9     return Map

地图Map中，有一个判断语句，if (roadData[i][-1] == 1):，这句是判断道路是否为双向道路，若是是双向道路，则将信息添加到对称位置中。因而可知Map矩阵在存储双向道路时，为一个对称矩阵。每一条信息存储为道路的起始信息和道路长度。

路网构建好后，就来到了核心算法，为路网上的每个车辆寻找最优路线，达到全局最优，在这里会出现思索的状况，要根据具体状况来断定，解除死锁。这是优化本题的关键。

 1 def FindRoute(CarList, RoadList, Map):
 2     carRoute = []
 3     for carNum in range(len(CarList)):
 4         ShortestRoute_theory = Dijkstra(Map, str(CarList[carNum][1]), str(CarList[carNum][2]))
 5         ShortestRoute_list = []
 6         ShortestRoute_list.append(int(ShortestRoute_theory[0]))
 7         lengthSumarize = len(ShortestRoute_list)
 8         carRouteTmp = [CarList[carNum][0]]
 9         carRouteTmp.append(CarList[carNum][-1]+random.randint(0,3000))
10         for i in range(1, lengthSumarize - 1):
11             for j in range(len(RoadList)):
12                 if ((RoadList[j][-3] == ShortestRoute_list[lengthSumarize - i] and RoadList[j][-2] == ShortestRoute_list[lengthSumarize - i - 1]) or (RoadList[j][-2] == ShortestRoute_list[lengthSumarize - i] and RoadList[j][-3] == ShortestRoute_list[lengthSumarize - i - 1])):
13                     carRouteTmp.append(RoadList[j][0])
14         carRoute.append(tuple(carRouteTmp))
15     return carRoute

咱们将车列表，路列表和Map做为函数的输入，循环车列表，将列中的每辆车信息按照发车时间放入到路网中求解。可是，这样作就会出现死锁，由于在有限的路网信息中，随着车数量的增长会出现某条道路上的车循环等待的状况，这样致使系统没法继续下去。咱们从死锁的缘由入手，经过随机数延长汽车的发车时间来缓解死锁状况。最后求出每一辆车的最优路线和时间。