mcpField
C
cuopt-routing-api-python

cuopt-routing-api-python

github.com/nvidia数据与数据库3.8k2.3k 次安装今天更新
代码仓库

关于 cuopt-routing-api-python

面向 Python 的 cuOpt 路由 API Agent Skill，指导使用 cuOpt 建模并求解 TSP、VRP 和 PDP。内容涵盖路线约束、求解状态检查及常见问题排查。

主要功能

  1. 01构建 TSP、VRP 和 PDP 模型
  2. 02设置成本矩阵与订单位置
  3. 03配置时间窗、容量和服务时间
  4. 04读取路线、目标值与求解状态
  5. 05排查不可行订单与常见错误

适用场景

  1. 01为多辆车规划配送路线
  2. 02为取送货任务设置先后约束
  3. 03在路线模型中加入时间窗与车辆容量
  4. 04检查求解失败原因和不可行订单

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/nvidia/skills --skill cuopt-routing-api-python

安装后在 Claude Code 中输入/cuopt-routing-api-python确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

BENCHMARK.md
skill-card.md
skill.oms.sig
assets/
README.md
assets/pdp_basic/
model.py
README.md
assets/vrp_basic/
model.py
README.md
evals/
evals.json
references/
examples.md
server_examples.md

详细介绍

cuOpt 路由 — Python API

此技能仅适用于 Python。cuOpt 的路由功能没有 C API。

必要问题

如果以下信息尚不明确，请询问：

  1. 问题类型 — TSP、VRP 还是 PDP？
  2. 位置 — 有多少个？有哪些仓库？各位置对之间的成本或距离是多少（矩阵或推算得出）？
  3. 订单 / 任务 — 必须访问哪些位置？每个停靠点的需求或服务是什么？
  4. 车队 — 车辆数量、每辆车的容量（如果有多个维度，则包括每个维度的容量）、起点 / 终点位置？
  5. 约束 — 时间窗（最早 / 最晚到达时间）、服务时间、优先顺序（订单 A 是否必须在订单 B 之前）？

最简 VRP 示例

import cudf
from cuopt import routing

cost_matrix = cudf.DataFrame([...], dtype="float32")
dm = routing.DataModel(n_locations=4, n_fleet=2, n_orders=3)
dm.add_cost_matrix(cost_matrix)
dm.set_order_locations(cudf.Series([1, 2, 3], dtype="int32"))
solution = routing.Solve(dm, routing.SolverSettings())

if solution.get_status() == 0:
    solution.display_routes()

添加约束

# Time windows
dm.add_transit_time_matrix(transit_time_matrix)
dm.set_order_time_windows(earliest_series, latest_series)

# Capacities
dm.add_capacity_dimension("weight", demand_series, capacity_series)
dm.set_order_service_times(service_times)
dm.set_vehicle_locations(start_locations, end_locations)
dm.set_vehicle_time_windows(earliest_start, latest_return)

# Pickup-delivery pairs
dm.set_pickup_delivery_pairs(pickup_indices, delivery_indices)

# Precedence
dm.add_order_precedence(node_id=2, preceding_nodes=np.array([0, 1]))

检查解

status = solution.get_status()  # 0=SUCCESS, 1=FAIL, 2=TIMEOUT, 3=EMPTY
if status == 0:
    route_df = solution.get_route()
    total_cost = solution.get_total_objective()
else:
    print(solution.get_error_message())
    print(solution.get_infeasible_orders().to_list())

数据类型（使用显式数据类型）

cost_matrix = cost_matrix.astype("float32")
order_locations = cudf.Series([...], dtype="int32")
demand = cudf.Series([...], dtype="int32")

求解器设置

ss = routing.SolverSettings()
ss.set_time_limit(30)
ss.set_verbose_mode(True)
ss.set_error_logging_mode(True)

常见问题

问题解决方法
解为空扩大时间窗或检查行驶时间
订单不可行增加车队规模或车辆容量
设置时间窗后 status != 0添加 add_transit_time_matrix()
成本错误检查 cost_matrix 是否对称
compute_waypoint_sequence 更改了 route_df它会原地将 location 列替换为 waypoint ID — 如果仍需要成本矩阵索引（例如按卡车迭代时），请传入 route_df.copy()

调试

当 status != 0 时： 使用 print(solution.get_error_message()) 和 print(solution.get_infeasible_orders().to_list()) 查看哪些订单不可行。

数据类型： 对矩阵和序列使用显式数据类型（float32、int32），避免静默错误。

示例

升级处理

如需贡献或从源代码构建，请参阅开发者技能。

评论

支持 Markdown