基于 C++ 实现的智能物流配送系统模拟程序

基于 C++ 实现的智能物流配送系统模拟程序

一、项目简介

本项目是一个基于C++实现的智能物流配送系统模拟程序，综合运用了多种经典算法，用于完成以下核心任务：

• 📍路径规划（最短路径、配送路线优化）
• 🚚车辆调度（容量 + 时间窗约束）
• 📦库存优化（预算约束下的补货决策）
• 🔍算法对比演示（贪心 / 2-opt / 回溯 + 分支限界）

系统支持文件数据输入 + 自动示例数据生成 + 菜单式交互操作

---

二、系统功能概览

1️⃣ 用户登录模块

• 默认账号：1
• 默认密码：123456
• 最多 3 次登录尝试

---

2️⃣ 基础数据管理

系统自动加载或生成以下数据文件：

文件名	内容
nodes.txt	节点信息（含仓库）
edges.txt	路网边及距离
orders.txt	客户订单
vehicles.txt	车辆信息
inventory.txt	库存与补货方案

若文件不存在，程序会自动生成示例数据，确保可直接运行。

---

3️⃣ 路径规划（Dijkstra）

• 支持任意两节点之间的最短路径查询
• 输出：
  • 最短距离
  • 具体路径节点序列

📌 使用算法：

• Dijkstra 单源最短路径算法
• 基于邻接表 + 优先队列实现

---

4️⃣ 车辆调度（带时间窗）

调度目标

在满足以下约束的前提下，尽可能分配订单：

• 🚚 车辆容量约束
• ⏱ 订单时间窗（readyTime / dueTime）

调度策略

• 订单按最早截止时间优先
• 对每个订单选择最早可完成的可行车辆
• 若无车辆满足，则标记为未分配订单

📌 算法类型：

• 贪心调度算法（启发式）

---

5️⃣ 路线规划与优化

① 初始路线生成

• 基于最短路距离矩阵
• 使用最近邻贪心算法（Nearest Neighbor）
• 路线形式：
  仓库 → 客户1 → 客户2 → ... → 仓库

② 小规模精确优化（≤10 个客户）

• 回溯 + 分支限界（TSP 变体）
• 自动以贪心解作为上界进行剪枝
• 输出：
  • 贪心距离
  • 最优距离
  • 搜索节点数
  • 剪枝次数
  • 优化率

③ 大规模近似优化

• 使用2-opt 局部搜索算法
• 对初始路线进行边交换优化

📌 涉及算法：

• 贪心
• 回溯 + 分支限界
• 2-opt 局部优化

---

6️⃣ 库存优化（动态规划）

问题描述

在给定总预算 B的条件下，为每种商品选择：

• 不补货
• 或选择一种补货方案

目标是：

最小化缺货罚金（等价于最大化需求满足度）

模型说明

• 缺货量 =max(0, demand - (onHand + 补货量))
• 罚金 =缺货量 × unitPenalty

📌 算法类型：

• 多物品 + 多方案 + 预算约束的动态规划
• 状态：DP[i][b]
  表示前i个物品、预算b下的最小罚金

输出内容

• 最优使用预算
• 每个物品的补货决策
• 缺货情况与罚金统计

---

三、菜单功能说明

============================= 智能物流配送系统 ============================= 1. 查看基础数据 2. 路径规划：两点最短路径（Dijkstra） 3. 配送规划（时间窗调度 + 路线优化） 4. 路线优化对比演示（贪心 vs 2-opt） 5. 库存优化（动态规划 DP） 6. 退出系统

---

四、数据文件格式说明

📄 nodes.txt

nodeId nodeName

示例：

0Depot1A2B3C4D5E6F7G8H9I10J11K12L

📄 edges.txt

u v weight

示例：

01402303612214723425636545347856458669778571098939116101141012711125

📄 orders.txt

orderId nodeId demand serviceTime readyTime dueTime

示例：

100132015101243018102322525103454322104522030105632102810674362010782101210893282610910541235110112101011112431540

📄 vehicles.txt

vehId capacity startTime

示例：

1100280360

📄 inventory.txt

itemName onHand demand unitPenalty optionCount qty1 cost1 qty2 cost2 ...

示例：

Widget21583366101218Gadget512632447813Bolt203532103205Nut102543551092015Screw5080222064010

---

五、编译与运行方式

💻 编译（Linux / macOS / Windows MinGW）

g++ -std=c++17 main.cpp -o logistics

▶ 运行

./logistics

Windows（CMD / PowerShell）：

logistics.exe

---

六、特色与加分点

✅ 多算法综合应用（贪心 / Dijkstra / DP / 回溯）
✅ 支持时间窗约束的车辆调度
✅ 路线优化算法对比与性能统计
✅ 自动示例数据生成，开箱即用
✅ 菜单式交互，演示友好
✅ 代码结构清晰，适合课程答辩讲解

七.项目源码

#include<bits/stdc++.h>usingnamespacestd;/* ========================================================= 智能物流配送系统 - 路径规划：Dijkstra（最短路） - 车辆调度：贪心（需求降序 + 可用车辆优先 + 容量约束） - 库存优化：动态规划（多物品多补货方案 + 预算约束最小成本/最大满足） - 可选：回溯+分支限界（小规模路线精确优化） ========================================================= 文件数据（自动生成示例）： nodes.txt : 节点列表（id name） edges.txt : 边（u v w） orders.txt : 订单（orderId nodeId demand serviceTime） vehicles.txt : 车辆（vehId capacity startTime） inventory.txt : 库存（itemName onHand demand unitPenalty optionCount [qty cost]...） ========================================================= */staticconststring kAccount="1";staticconststring kPassword="123456";// ---------- 回溯统计（用于展示分支限界效果） ----------staticlonglongg_dfsCount=0;staticlonglongg_pruneCount=0;// ---------- 平台清屏/暂停 ----------staticvoidcls(){#ifdef_WIN32system("cls");#elsecout<<"\033[2J\033[H";#endif}staticvoidpauseAny(){#ifdef_WIN32system("pause");#elsecout<<"按回车继续...";cin.ignore(numeric_limits<streamsize>::max(),'\n');cin.get();#endif}// ---------- 数据结构 ----------structNode{intid{};string name;};structEdge{intto{};intw{};};structOrder{intorderId{};intnodeId{};intdemand{};intserviceTime{};intreadyTime{};// 最早可服务时间intdueTime{};// 最晚完成时间};structVehicle{intvehId{};intcapacity{};intstartTime{};// 可用时间（例如 0 表示立即）};structRoutePlan{intvehId{};vector<int>orderIds;// 分配到该车辆的订单IDvector<int>visitNodes;// 实际访问节点序列（含仓库0）inttotalDemand{};intfinishTime{};inttotalDistance{};};structInventoryOption{intqty{};intcost{};};structInventoryItem{string name;intonHand{};intdemand{};intunitPenalty{};// 缺货单位罚金（越大越希望满足）vector<InventoryOption>options;// 补货方案：补qty 花cost};structGraph{vector<Node>nodes;vector<vector<Edge>>adj;unordered_map<int,int>id2idx;// nodeId -> index in nodes};// ---------- 工具：文件存在 ----------staticboolfileExists(conststring&path){ifstreamin(path);return(bool)in;}// ---------- 示例数据生成 ----------staticvoidwriteSampleDataIfMissing(){if(!fileExists("nodes.txt")){ofstreamout("nodes.txt");// 0 号默认仓库out<<"0 Depot\n";out<<"1 A\n";out<<"2 B\n";out<<"3 C\n";out<<"4 D\n";out<<"5 E\n";}if(!fileExists("edges.txt")){ofstreamout("edges.txt");// 无向图边：u v wout<<"0 1 4\n";out<<"0 2 2\n";out<<"1 2 1\n";out<<"1 3 5\n";out<<"2 3 8\n";out<<"2 4 10\n";out<<"3 4 2\n";out<<"3 5 6\n";out<<"4 5 3\n";}if(!fileExists("orders.txt")){ofstreamout("orders.txt");// orderId nodeId demand serviceTimeout<<"100 1 3 2\n";out<<"101 2 4 3\n";out<<"102 3 2 2\n";out<<"103 4 5 4\n";out<<"104 5 2 2\n";}if(!fileExists("vehicles.txt")){ofstreamout("vehicles.txt");// vehId capacity startTimeout<<"1 8 0\n";out<<"2 7 0\n";}if(!fileExists("inventory.txt")){ofstreamout("inventory.txt");/* itemName onHand demand unitPenalty optionCount [qty cost]... 例如：ItemX 2 8 10 3 (3,8) (5,13) (8,20) */out<<"Widget 2 10 8 3 3 6 6 10 10 16\n";out<<"Gadget 5 9 6 3 2 4 4 7 6 10\n";out<<"Bolt 20 30 3 2 10 3 20 5\n";}}// ---------- 读取数据 ----------staticGraphloadGraph(){Graph g;ifstreamnIn("nodes.txt");if(!nIn)throwruntime_error("无法打开 nodes.txt");g.nodes.clear();intid;string name;while(nIn>>id>>name){g.nodes.push_back({id,name});}g.adj.assign(g.nodes.size(),{});for(inti=0;i<(int)g.nodes.size();i++){g.id2idx[g.nodes[i].id]=i;}ifstreameIn("edges.txt");if(!eIn)throwruntime_error("无法打开 edges.txt");intu,v,w;while(eIn>>u>>v>>w){if(!g.id2idx.count(u)||!g.id2idx.count(v))continue;intui=g.id2idx[u],vi=g.id2idx[v];g.adj[ui].push_back({vi,w});g.adj[vi].push_back({ui,w});}returng;}staticvector<Order>loadOrders(){ifstreamin("orders.txt");if(!in)throwruntime_error("无法打开 orders.txt");vector<Order>orders;Order o;while(in>>o.orderId>>o.nodeId>>o.demand>>o.serviceTime>>o.readyTime>>o.dueTime){orders.push_back(o);}returnorders;}staticvector<Vehicle>loadVehicles(){ifstreamin("vehicles.txt");if(!in)throwruntime_error("无法打开 vehicles.txt");vector<Vehicle>vs;Vehicle v;while(in>>v.vehId>>v.capacity>>v.startTime){vs.push_back(v);}returnvs;}staticvector<InventoryItem>loadInventory(){ifstreamin("inventory.txt");if(!in)throwruntime_error("无法打开 inventory.txt");vector<InventoryItem>items;while(true){InventoryItem it;intoptionCount;if(!(in>>it.name>>it.onHand>>it.demand>>it.unitPenalty>>optionCount))break;it.options.clear();for(inti=0;i<optionCount;i++){InventoryOption op;in>>op.qty>>op.cost;it.options.push_back(op);}items.push_back(it);}returnitems;}// ---------- 路径规划：Dijkstra 最短路 ----------staticpair<vector<int>,vector<int>>dijkstra(constGraph&g,intsrcNodeId){intn=(int)g.nodes.size();constintINF=1e9;vector<int>dist(n,INF),parent(n,-1);if(!g.id2idx.count(srcNodeId))throwruntime_error("srcNodeId 不存在");ints=g.id2idx.at(srcNodeId);usingP=pair<int,int>;// dist, idxpriority_queue<P,vector<P>,greater<P>>pq;dist[s]=0;pq.push({0,s});while(!pq.empty()){auto[d,u]=pq.top();pq.pop();if(d!=dist[u])continue;for(autoe:g.adj[u]){if(dist[e.to]>dist[u]+e.w){dist[e.to]=dist[u]+e.w;parent[e.to]=u;pq.push({dist[e.to],e.to});}}}return{dist,parent};}staticvector<int>restorePathByIdx(constvector<int>&parent,intsrcIdx,intdstIdx){vector<int>path;intcur=dstIdx;while(cur!=-1){path.push_back(cur);if(cur==srcIdx)break;cur=parent[cur];}reverse(path.begin(),path.end());if(path.empty()||path.front()!=srcIdx)return{};returnpath;}// ---------- 车辆调度：贪心分配订单到车辆 ----------// 策略：订单按 demand 降序（First-Fit Decreasing），车辆按“最早可用时间/剩余容量”选择staticvector<RoutePlan>scheduleVehiclesWithTimeWindow(constvector<Order>&orders,constvector<Vehicle>&vehicles){// 按 dueTime（最紧急）优先vector<Order>ord=orders;sort(ord.begin(),ord.end(),[](constOrder&a,constOrder&b){returna.dueTime<b.dueTime;});structVehState{Vehicle v;intremainingCap;intcurrentTime;vector<int>assignedOrderIds;inttotalDemand;};vector<VehState>states;for(auto&v:vehicles){states.push_back({v,v.capacity,v.startTime,{},0});}vector<int>unassigned;for(auto&o:ord){intbest=-1;intbestFinish=INT_MAX;for(inti=0;i<(int)states.size();i++){if(states[i].remainingCap<o.demand)continue;intarrival=max(states[i].currentTime,o.readyTime);intfinish=arrival+o.serviceTime;if(finish<=o.dueTime){if(finish<bestFinish){bestFinish=finish;best=i;}}}if(best==-1){unassigned.push_back(o.orderId);continue;}states[best].assignedOrderIds.push_back(o.orderId);states[best].remainingCap-=o.demand;states[best].currentTime=bestFinish;states[best].totalDemand+=o.demand;}vector<RoutePlan>plans;for(auto&st:states){RoutePlan rp;rp.vehId=st.v.vehId;rp.orderIds=st.assignedOrderIds;rp.totalDemand=st.totalDemand;rp.finishTime=st.currentTime;plans.push_back(rp);}if(!unassigned.empty()){cout<<"\n? 未分配订单（时间窗/容量限制）：";for(intid:unassigned)cout<<id<<" ";cout<<"\n";}returnplans;}// ---------- 路线生成：贪心最近邻（基于最短路距离矩阵） ----------staticvector<vector<int>>allPairsShortestPathDist(constGraph&g){intn=(int)g.nodes.size();vector<vector<int>>dist(n,vector<int>(n,(int)1e9));for(inti=0;i<n;i++){auto[d,p]=dijkstra(g,g.nodes[i].id);for(intj=0;j<n;j++)dist[i][j]=d[j];}returndist;}staticvector<int>buildRouteNearestNeighbor(constGraph&g,constvector<vector<int>>&distMat,intdepotId,constvector<int>&customerNodeIds){if(!g.id2idx.count(depotId))throwruntime_error("depotId 不存在");intdepotIdx=g.id2idx.at(depotId);vector<int>targets;for(intnid:customerNodeIds){if(g.id2idx.count(nid))targets.push_back(g.id2idx.at(nid));}sort(targets.begin(),targets.end());targets.erase(unique(targets.begin(),targets.end()),targets.end());vector<int>routeIdx;routeIdx.push_back(depotIdx);vector<int>unvisited=targets;intcur=depotIdx;while(!unvisited.empty()){intbestPos=0;for(inti=1;i<(int)unvisited.size();i++){if(distMat[cur][unvisited[i]]<distMat[cur][unvisited[bestPos]]){bestPos=i;}}intnxt=unvisited[bestPos];routeIdx.push_back(nxt);cur=nxt;unvisited.erase(unvisited.begin()+bestPos);}// 回仓库routeIdx.push_back(depotIdx);// 转成 nodeIdvector<int>routeNodeId;for(intidx:routeIdx)routeNodeId.push_back(g.nodes[idx].id);returnrouteNodeId;}// ---------- 回溯 + 分支限界：小规模精确路线（可选） ----------// 对每辆车的客户点 <= 10 时，尝试找更优的闭环路径（TSP 变体）// 使用 distMat，进行回溯搜索 + 当前最短上界剪枝staticvoidtspBacktrackBB(constvector<vector<int>>&distMat,intdepotIdx,constvector<int>&customerIdx,vector<int>&bestPath,int&bestCost){intm=(int)customerIdx.size();vector<int>path;vector<int>used(m,0);// 预计算最小边（用于下界估计）intglobalMinEdge=INT_MAX;for(inti=0;i<(int)distMat.size();i++)for(intj=0;j<(int)distMat.size();j++)if(i!=j&&distMat[i][j]<globalMinEdge)globalMinEdge=distMat[i][j];function<void(int,int,int)>dfs=[&](intdepth,intlastIdx,intcostSoFar){g_dfsCount++;// ===== 下界估计（分支限界核心）=====intremaining=m-depth;intlowerBound=costSoFar+remaining*globalMinEdge;if(lowerBound>=bestCost){g_pruneCount++;return;}if(depth==m){inttotal=costSoFar+distMat[lastIdx][depotIdx];if(total<bestCost){bestCost=total;bestPath=path;}return;}for(inti=0;i<m;i++){if(used[i])continue;intnxt=customerIdx[i];intadd=distMat[lastIdx][nxt];if(add>=(int)1e9)continue;used[i]=1;path.push_back(nxt);dfs(depth+1,nxt,costSoFar+add);path.pop_back();used[i]=0;}};dfs(0,depotIdx,0);}staticvector<int>buildRouteGreedyOrExact(constGraph&g,constvector<vector<int>>&distMat,intdepotId,constvector<int>&customerNodeIds){// ---------- 1. 贪心上界 ----------vector<int>greedy=buildRouteNearestNeighbor(g,distMat,depotId,customerNodeIds);autocalcCost=[&](constvector<int>&routeNodeId){intcost=0;for(inti=1;i<(int)routeNodeId.size();i++){inta=g.id2idx.at(routeNodeId[i-1]);intb=g.id2idx.at(routeNodeId[i]);cost+=distMat[a][b];}returncost;};intgreedyCost=calcCost(greedy);// ---------- 2. 客户点去重 ----------unordered_set<int>s;for(intnid:customerNodeIds)s.insert(nid);if((int)s.size()>10){cout<<"[提示] 客户点数量 > 10，自动使用贪心路线。\n";returngreedy;}// ---------- 3. 精确搜索 ----------vector<int>customerIdx;for(intnid:s)customerIdx.push_back(g.id2idx.at(nid));intdepotIdx=g.id2idx.at(depotId);intbestCost=greedyCost;vector<int>bestPermIdx;g_dfsCount=g_pruneCount=0;tspBacktrackBB(distMat,depotIdx,customerIdx,bestPermIdx,bestCost);cout<<"------ 路线优化对比（回溯 + 分支限界）------\n";cout<<"贪心路线距离: "<<greedyCost<<"\n";cout<<"最优路线距离: "<<bestCost<<"\n";cout<<"搜索节点数: "<<g_dfsCount<<"\n";cout<<"剪枝次数: "<<g_pruneCount<<"\n";if(bestCost<greedyCost){doubleimprove=100.0*(greedyCost-bestCost)/greedyCost;cout<<"优化率: "<<fixed<<setprecision(2)<<improve<<"%\n";}else{cout<<"未优于贪心（贪心已是最优或接近最优）\n";}cout<<"------------------------------------------\n";// ---------- 4. 构造最优路线 ----------vector<int>bestRouteNodeId;bestRouteNodeId.push_back(depotId);for(intidx:bestPermIdx)bestRouteNodeId.push_back(g.nodes[idx].id);bestRouteNodeId.push_back(depotId);returnbestRouteNodeId;}staticvoidtwoOptImprove(vector<int>&route,constGraph&g,constvector<vector<int>>&distMat){boolimproved=true;intn=route.size();autodist=[&](inta,intb){returndistMat[g.id2idx.at(a)][g.id2idx.at(b)];};while(improved){improved=false;for(inti=1;i<n-2;i++){for(intk=i+1;k<n-1;k++){intdelta=dist(route[i-1],route[k])+dist(route[i],route[k+1])-dist(route[i-1],route[i])-dist(route[k],route[k+1]);if(delta<0){reverse(route.begin()+i,route.begin()+k+1);improved=true;}}}}}// ---------- 路线距离 ----------staticintrouteDistance(constGraph&g,constvector<vector<int>>&distMat,constvector<int>&routeNodeIds){intsum=0;for(inti=1;i<(int)routeNodeIds.size();i++){inta=g.id2idx.at(routeNodeIds[i-1]);intb=g.id2idx.at(routeNodeIds[i]);sum+=distMat[a][b];}returnsum;}// ---------- 库存优化：动态规划 ----------// 目标：在预算 B 内，为每个物品选择一个补货方案（或不补），使“缺货罚金最小”（等价于满足最大）// 缺货量 = max(0, demand - (onHand + replenishQty))// 成本 = sum(option.cost)// 罚金 = sum(缺货量 * unitPenalty)// DP[itemIndex][budget] = 最小罚金staticvoidoptimizeInventoryDP(constvector<InventoryItem>&items,intbudget){intn=(int)items.size();constlonglongINF=(1LL<<60);vector<vector<longlong>>dp(n+1,vector<longlong>(budget+1,INF));vector<vector<int>>choice(n+1,vector<int>(budget+1,-1));// 记录选哪个 option（-1表示不补）dp[0][0]=0;autopenalty=[&](constInventoryItem&it,intaddQty)->longlong{inthave=it.onHand+addQty;intshortage=max(0,it.demand-have);return1LL*shortage*it.unitPenalty;};for(inti=1;i<=n;i++){constauto&it=items[i-1];for(intb=0;b<=budget;b++){// 不补货if(dp[i-1][b]<INF){longlongval=dp[i-1][b]+penalty(it,0);if(val<dp[i][b]){dp[i][b]=val;choice[i][b]=-1;}}// 选一个补货方案for(intk=0;k<(int)it.options.size();k++){intcost=it.options[k].cost;intqty=it.options[k].qty;if(b>=cost&&dp[i-1][b-cost]<INF){longlongval=dp[i-1][b-cost]+penalty(it,qty);if(val<dp[i][b]){dp[i][b]=val;choice[i][b]=k;}}}}}// 找到最优预算点intbestB=0;for(intb=1;b<=budget;b++){if(dp[n][b]<dp[n][bestB])bestB=b;}// 回溯方案vector<int>picked(n,-1);intb=bestB;for(inti=n;i>=1;i--){intc=choice[i][b];picked[i-1]=c;if(c!=-1)b-=items[i-1].options[c].cost;}// 输出cout<<"\n========== 库存优化（动态规划DP） ==========\n";cout<<"预算上限: "<<budget<<"，最优使用预算: "<<bestB<<"\n";cout<<"最小缺货罚金: "<<dp[n][bestB]<<"\n\n";cout<<left<<setw(12)<<"物品"<<setw(8)<<"现有"<<setw(8)<<"需求"<<setw(10)<<"补货"<<setw(8)<<"成本"<<setw(10)<<"缺货"<<setw(10)<<"罚金"<<"\n";longlongtotalCost=0,totalPenalty=0;for(inti=0;i<n;i++){intaddQty=0,cost=0;if(picked[i]!=-1){addQty=items[i].options[picked[i]].qty;cost=items[i].options[picked[i]].cost;}inthave=items[i].onHand+addQty;intshortage=max(0,items[i].demand-have);longlongpen=1LL*shortage*items[i].unitPenalty;totalCost+=cost;totalPenalty+=pen;cout<<left<<setw(12)<<items[i].name<<setw(8)<<items[i].onHand<<setw(8)<<items[i].demand<<setw(10)<<addQty<<setw(8)<<cost<<setw(10)<<shortage<<setw(10)<<pen<<"\n";}cout<<"总成本: "<<totalCost<<"，总罚金: "<<totalPenalty<<"\n";cout<<"===========================================\n";}// ---------- 打印基础数据 ----------staticvoidshowData(constGraph&g,constvector<Order>&orders,constvector<Vehicle>&vehicles,constvector<InventoryItem>&inv){cout<<"\n===== 节点 Nodes =====\n";for(auto&n:g.nodes)cout<<"Node "<<n.id<<" : "<<n.name<<"\n";cout<<"\n===== 订单 Orders =====\n";for(auto&o:orders){cout<<"Order "<<o.orderId<<" -> Node "<<o.nodeId<<" demand="<<o.demand<<" serviceTime="<<o.serviceTime<<"\n";}cout<<"\n===== 车辆 Vehicles =====\n";for(auto&v:vehicles){cout<<"Vehicle "<<v.vehId<<" cap="<<v.capacity<<" start="<<v.startTime<<"\n";}cout<<"\n===== 库存 Inventory =====\n";for(auto&it:inv){cout<<it.name<<" onHand="<<it.onHand<<" demand="<<it.demand<<" penalty="<<it.unitPenalty<<" options:";for(auto&op:it.options)cout<<" ("<<op.qty<<","<<op.cost<<")";cout<<"\n";}}// ---------- 主功能：规划配送（调度+路径） ----------staticvoidplanDelivery(constGraph&g,constvector<Order>&orders,constvector<Vehicle>&vehicles,booluseExactIfSmall){// 1) 带时间窗的贪心调度autoplans=scheduleVehiclesWithTimeWindow(orders,vehicles);// 2) 最短路距离矩阵autodistMat=allPairsShortestPathDist(g);unordered_map<int,Order>mp;for(auto&o:orders)mp[o.orderId]=o;cout<<"\n========== 车辆调度 + 路线规划结果 ==========\n";for(auto&rp:plans){if(rp.orderIds.empty()){cout<<"\n[车辆 "<<rp.vehId<<"] 无分配订单。\n";continue;}vector<int>customerNodes;for(intoid:rp.orderIds)customerNodes.push_back(mp[oid].nodeId);// 3) 初始路线vector<int>route;boolsmallScale=(unordered_set<int>(customerNodes.begin(),customerNodes.end()).size()<=10);if(useExactIfSmall&&smallScale){route=buildRouteGreedyOrExact(g,distMat,0,customerNodes);}else{route=buildRouteNearestNeighbor(g,distMat,0,customerNodes);}intbefore=routeDistance(g,distMat,route);// 4) 仅在大规模下启用 2-optif(!smallScale){twoOptImprove(route,g,distMat);}intafter=routeDistance(g,distMat,route);rp.visitNodes=route;rp.totalDistance=after;rp.finishTime+=after;// 距离≈时间（简化模型）cout<<"\n[车辆 "<<rp.vehId<<"] 分配订单: ";for(intoid:rp.orderIds)cout<<oid<<" ";cout<<"\n路线距离: "<<before;if(!smallScale)cout<<" → "<<after<<"（2-opt 优化 "<<fixed<<setprecision(2)<<100.0*(before-after)/before<<"%）";cout<<"\n预计完成时间: "<<rp.finishTime<<"\n路线: ";for(intnid:route){cout<<g.nodes[g.id2idx.at(nid)].name<<"("<<nid<<")";if(&nid!=&route.back())cout<<" -> ";}cout<<"\n";}cout<<"=======================================\n";}// ---------- 路径查询：Dijkstra 输出某两点最短路径 ----------staticvoidqueryShortestPath(constGraph&g){intsId,tId;cout<<"输入起点nodeId：";cin>>sId;cout<<"输入终点nodeId：";cin>>tId;if(!g.id2idx.count(sId)||!g.id2idx.count(tId)){cout<<"节点不存在。\n";return;}auto[dist,parent]=dijkstra(g,sId);intsIdx=g.id2idx.at(sId);inttIdx=g.id2idx.at(tId);if(dist[tIdx]>=(int)1e9){cout<<"不可达。\n";return;}autopathIdx=restorePathByIdx(parent,sIdx,tIdx);cout<<"最短距离 = "<<dist[tIdx]<<"\n路径：";for(inti=0;i<(int)pathIdx.size();i++){cout<<g.nodes[pathIdx[i]].name<<"("<<g.nodes[pathIdx[i]].id<<")";if(i+1<(int)pathIdx.size())cout<<" -> ";}cout<<"\n";}// ---------- 登录 ----------staticboollogin(intremain){string acc,pwd;cout<<"=========================================\n";cout<<" 智能物流配送系统（实验3 演示版）\n";cout<<"=========================================\n";cout<<"【登录提示】\n";cout<<" - 默认演示账号：1\n";cout<<" - 默认演示密码：123456\n";cout<<" - 剩余登录次数："<<remain<<"\n";cout<<"-----------------------------------------\n";cout<<"请输入账号：";cin>>acc;cout<<"请输入密码：";cin>>pwd;if(acc==kAccount&&pwd==kPassword){cout<<"\n? 登录成功！欢迎进入系统。\n";cout<<"系统将自动加载示例数据用于算法演示。\n";returntrue;}else{cout<<"\n? 登录失败：账号或密码错误。\n";if(remain>1){cout<<"请重新输入（剩余 "<<remain-1<<" 次机会）。\n";}returnfalse;}}staticvoiddemoRouteOptimization(constGraph&g,constvector<Order>&orders){autodistMat=allPairsShortestPathDist(g);vector<int>customerNodes;for(auto&o:orders)customerNodes.push_back(o.nodeId);cout<<"\n=== 路线优化对比演示 ===\n";autogreedy=buildRouteNearestNeighbor(g,distMat,0,customerNodes);intd1=routeDistance(g,distMat,greedy);autoopt=greedy;twoOptImprove(opt,g,distMat);intd2=routeDistance(g,distMat,opt);cout<<"贪心路线距离: "<<d1<<"\n";cout<<"2-opt 优化后距离: "<<d2<<"\n";cout<<"优化率: "<<fixed<<setprecision(2)<<100.0*(d1-d2)/d1<<"%\n\n";cout<<"优化后路线：\n";for(intnid:opt){cout<<g.nodes[g.id2idx.at(nid)].name<<"("<<nid<<")";if(&nid!=&opt.back())cout<<" -> ";}cout<<"\n";}// ---------- 菜单 ----------staticvoidmenuLoop(){// 自动生成示例数据writeSampleDataIfMissing();// 加载数据Graph g=loadGraph();vector<Order>orders=loadOrders();vector<Vehicle>vehicles=loadVehicles();vector<InventoryItem>inv=loadInventory();while(true){cout<<"\n=============================\n";cout<<" 智能物流配送系统（实验3）\n";cout<<"=============================\n";cout<<"1. 查看基础数据\n";cout<<"2. 路径规划：两点最短路径（Dijkstra）\n";cout<<"3. 配送规划（时间窗调度 + 路线优化）\n";cout<<"4. 路线优化对比演示（贪心 vs 2-opt）\n";cout<<"5. 库存优化（动态规划 DP）\n";cout<<"6. 退出系统\n";cout<<"请输入功能编号：";intop;cin>>op;cls();if(op==1){showData(g,orders,vehicles,inv);pauseAny();cls();}elseif(op==2){queryShortestPath(g);pauseAny();cls();}elseif(op==3){cout<<"是否启用小规模精确路线优化（回溯+分支限界，<=10客户）？\n";cout<<"1 = 是（精确） 0 = 否（启发式）\n";intyes;cin>>yes;cout<<"\n【说明】系统将自动：\n";cout<<"- 使用带时间窗的贪心算法进行车辆调度\n";cout<<"- 小规模使用回溯，大规模使用 2-opt 优化\n\n";planDelivery(g,orders,vehicles,yes==1);pauseAny();cls();}elseif(op==4){demoRouteOptimization(g,orders);pauseAny();cls();}elseif(op==5){cout<<"输入库存补货总预算（建议 5~30）：";intB;cin>>B;optimizeInventoryDP(inv,B);pauseAny();cls();}elseif(op==6){cout<<"退出。\n";break;}else{cout<<"无效输入。\n";pauseAny();cls();}}}intreadIntInRange(conststring&tip,intl,intr){intx;while(true){cout<<tip;if(cin>>x&&x>=l&&x<=r)returnx;cout<<"输入非法，请输入 ["<<l<<","<<r<<"] 之间的整数。\n";cin.clear();cin.ignore(numeric_limits<streamsize>::max(),'\n');}}intmain(){// 登录三次机会for(inti=0;i<3;i++){if(login(3-i)){cls();menuLoop();return0;}}cout<<"\n? 超过最大登录次数，系统已退出。\n";return0;}