前阵子整理旧项目翻到了当年为了解决5000个配送点的路径规划问题。当时整个小团队断断续续花了不少时间。如今公司早就不在了但这套方案2026年测了下还能用索性分享出来。先交代下背景当年接了个需求要做5000个配送点的路径规划限时10分钟出结果。调研一圈发现市面上能找到的成熟方案顶天了也就处理100个点以内的场景5000个点难。搞过路网、路径算法、用过商用求解器、还尝试过直接招人。负责人换了几次最终被我这个转行的分析师给捣鼓出来的一套可用的方案用腾讯地图API遗传算法当时腾讯地图可以使用矩阵调用非常快不知现在怎样。最终方案优化大概是原有30辆车能节省3辆。核心点踩了不少坑后我发现核心问题出在「遗传算法的冷启动」——常规的随机初始化种群在5000个点的规模下收敛速度慢到让人绝望服务器几十分钟迭代都摸不到最优解的边。直接先随机抽一个点然后每次选离它最近的下一个点用这个思路做初始化种群现在看这个想法特别简单但当时就像打通了任督二脉。这个「先知种群」的思路成了整个方案的关键把冷启动的种群从「纯随机」改成「就近初始化」直接让算法的收敛效率提了一个量级。最终方案底层用geatpy遗传算法框架做算法核心还针对性改了它的源码site-packages里的文件就是干这个的结合腾讯地图API补全地理信息和基础路径计算核心优化就是那个「就近初始化种群」再配合不同的约束目标函数组合适配不同的业务场景。说几个我们实际落地中摸索出的实用玩法也是Demo里的核心思路懂行的朋友应该能秒懂价值按装载量分区最小化里程假设每辆车满载先按装载量把点划到不同区域再优化总里程能把路线牢牢限制在局部区域避免跨区绕路里程里程方差双目标不仅要总里程少还要每条路线的里程相差不大避免有的司机跑断腿有的闲到发慌偏远地区专项划分先定最大里程和最少客户数解决偏远点的「孤点」问题不用再单独人工调多编码路线划分个人觉得最实用的直接指定路线数量染色体分两段一段管点的顺序一段管每条路线的客户数目标是最小化用时方差总里程。实际用下来不用追求超大种群和超多迭代配送点少于1000种群规模比点数少100-200就行超过1000种群规模定1000迭代100次结果就已经足够用了再堆参数提升也微乎其微。环境配置也简单用uv搭个3.8的虚拟环境装geatpy2.5.1把我们改的site-packages文件覆盖进去就能跑github链接在此有需要的自行美化代码。这套代码可能算很一般但对于需要处理中大规模VRP问题的朋友可供参考。