我正在尝试创建一个程序来安排异步拼车调度。例如，给定由此行代表的单个长街：
一个----------------------乙----------------------- ----ç------------------------- d
如果Alice，Bob和Chad都需要同时在D点，并分别从A，B和C点开始，但Bob没有车，程序需要输出最佳解决方案是让Alice选择Bob。如果Google Maps API用于确定两点之间的距离和时间（精度可能是近似值），那么确定最有效的一组操作的最佳方法是什么？
在这个简化的场景中，可能性相当有限（Alice选择Bob，Chad选择Bob，Bob走路），根据时间或行程距离迭代和评估它们相当简单，但是当数千或数百万的可能性数量时，这种方法不能很好地扩展。我已经工作了几个月试图开发更复杂的算法，但由于我的知识有限，我还没有非常成功
答案 0 :(得分：0)
我建议对这个问题进行概括，这是我对它的理解：
根据图表G描述地图上L={l_0, ..., l_n}位置之间的关联，以及一组参与者P = {p_0, ..., p_n}，找到每个参与者从其中旅行的最佳行程I={l_s, ..., l_d}相应的源位置l_s到共同目的地l_d，使得所有参与者都能够独立于他们的旅行方式到达目的地。有些参与者可能需要绕道而行去接收其他参与者，在这种情况下，我们希望找到总成本最低的解决方案（如需要的旅行时间）
这是我如何尝试解决这个问题的粗略草图：
构建所有节点及其连接方式的图表（例如，在您的示例中，图表为G = [(A,B),(B,C),(C,D)]）。
为每条边添加一个重量，用一些标准化的方式描述它的距离（公制，恒定速度/时间......）
为每个参与者指定可用的最大速度，具体取决于他们可以携带的模式（例如汽车，自行车，步行）。
对于有车的参与者（A，C），使用最短路径算法（例如A* (a star)）计算每个人从各自的源位置到达目标目的地所需的实际时间。这实际上是一个两步过程，步骤1：计算最短路径，步骤2：计算每个边缘行进所需的时间。
Google的地图API可能已经提供了进行这些计算所需的全部或大部分数据（甚至可以为您进行计算）。
因此，您可以获得每位参与者的最佳行程。现在我们必须考虑没有车的参与者（这里是B）。为此，我们必须找到参与者绕道而行，以便绕行成本最低。因此，
计算A，C两个最短路径路径中的每一个，即步骤1：源位置=＆gt;绕行位置（B），步骤2：绕行位置（B）=＆gt;目的地（D）
选择最佳选项，即最小化总旅行时间
由于您将此标记为Python问题，因此您可能需要查看NetworkX或graph-tool才能实施。
免责声明：显然这会遗漏很多细节，甚至可能完全没有。反馈意见。至paraphrase Donald Knuth，我只是想到了这一点，我没有实施或测试它。