vrp-toolkit
用于人行道配送机器人车队与电池规模两阶段随机规划的算法库
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：vrp-toolkit。 它的用途是：用于人行道配送机器人车队与电池规模两阶段随机规划的算法库 完整的 Skill 内容见：https://321skill.com/skills/vrp-toolkit/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我理解这个两阶段随机规划模型中ALNS算法的算子权重更新机制。” 它会引导你查看 `paper-code/solvers.py` 中的自适应权重更新逻辑，并解释模拟退火接受准则如何与移除、插入算子协同工作。或者，你可以说：“我想基于这个代码框架，为我的电动货车配送问题修改电池消耗模型。” AI可以协助你定位到相关的订单信息类和路由评估函数进行定制。
介绍
本仓库提供了一个研究代码库，用于解决人行道配送机器人系统的战略资源规划问题。核心挑战在于需求的不确定性，模型需要在需求未知的第一阶段，决策机器人车队规模和备用电池数量；在需求实现的第二阶段，为每个具体场景优化带有软时间窗和电池约束的取送货路径。
用户可以通过克隆仓库、安装依赖并运行测试套件来复现论文中的实验。代码结构清晰，主要算法实现位于 paper-code 目录下，包含了数据加载、需求生成、问题实例构建以及核心的自适应大邻域搜索（ALNS）求解器。
该工具主要面向学术研究者、运筹学工程师以及对车辆路径问题（VRP）和随机规划感兴趣的高校学生。他们可以利用此代码验证模型、进行算法对比或作为开发更复杂配送系统的基础框架。
请注意，此仓库已明确限定为支持特定论文的代码，其内部可复用的 vrp-toolkit 框架已拆分至独立项目。因此，用户应将其视为一个研究案例而非通用工具箱，直接用于生产环境前需进行大量适配和扩展。
核心特点
与通用车辆路径问题（VRP）求解器不同，它专门针对人行道机器人配送场景，集成了两阶段随机规划框架，同时优化车队规模、电池配置和动态路由，并包含了显式的电池更换插入操作，以模拟真实的能源补给场景。
注意事项
不适合需要快速部署、开箱即用的生产级物流调度系统，或需要处理超大规模、复杂约束的商业场景。
常见问题
这个仓库能直接用于我的配送项目吗？
不能直接使用，这是一个研究代码库，需要根据您的具体数据和业务逻辑进行大量修改和扩展。
它和通用的ALNS VRP求解器有什么区别？
它专门针对带电池约束和随机需求的取送货问题（PDPTW）设计，并集成了第一阶段的战略资源（车队、电池）规划，而不仅仅是路径优化。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/vrp-toolkit/raw/index.md 读取 vrp-toolkit 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/vrp-toolkit/raw/index.md（查看排版版本）