初赛：设计一套算法对光纤部署进行优化，主要解决在光网络中如何在满足多种约束的情况下（放大器约束、通道约束等）合理分配业务传输路径与选择通道，以及扩容光网络时如何合理安排使成本最小。
复赛：为了提高光网络的可靠性，部分光业务需要规划多条路径，这些路径同源同宿，但彼此之间不能有相同的边。当光业务的路径数量为 2 时，这两条路径分配的通道必须相同；当光业务的路径数量大于 2 时，这些路径分配的通道可以不同。
初赛期间主要设计了基本的分配与扩容方案，没有设计迭代优化算法来对已经分配好的光网络进行调整，导致成本不算特别低，只拿到了第三名的成绩。在初赛之后通过自主设计判题器来辅助测试，设计了新的网络迭代优化算法，成功使成本大幅度降低。以下对最终代码中的部分重要算法进行解析。
采用链式前向星为基础存图方案，便于后续对一个节点出发的边进行遍历。按照赛题每一条边应为双向边，但为了链式前向星本身的特点和兼容性考虑，采用单向边存图，即对于每一条光网络中的边当作两条方向不同的单向边进行储存。
1class Edge {2public:3 int from, to, d, next; // 起点，终点，边的距离，同起点的下一条边在edge中的编号4 int trueD; // 边的真正距离5 int Pile[maxP]; // 该边上存在的通道，记录的是当前承载的业务的编号，不承载业务时值为-16 int usedPileCnt;7 Edge() {8 from = -1;9 to = -1;10 d = 0;11 next = -1;12 }13}edge[maxM]; // 边集数组要注意
d并非边的距离，因为寻路方案分为 Dijkstra 和 BFS，曾经在使用 Dijkstra 来模仿 BFS 来忽略距离进行最少边数搜索的时候将d置为 1 来实现，边真正的距离为trueD。
在一开始寻路采用 Dijkstra 算法作为基础来搜寻最短路径，但实际上路径长度对成本的影响不大，如果业务只占用更少的边会对后续其他业务的分配更有利，故应该寻找最少边数。通过将边的 d 置为 1 即可使用 Dijkstra 寻找最少边数路径，后续直接使用 BFS 来实现，每一个使用 BFS 的函数都有对应的使用了 Dijkstra 算法的版本，可能因为遍历顺序的原因采用 d 全为 1 的 Dijkstra 算法进行寻路比采用 BFS 的成本略小，但是使用 BFS 可以使算法整体效率得到较大提升。以下仅说明以 BFS 为基础算法的函数，与之同序号的使用 Dijkstra 为基础算法的函数逻辑与功能均与之一致。
首先是 BFS3，用于寻找不考虑通道堵塞下的最短路径，就是一个纯粹的、无约束的 BFS 寻路，用于构建最短路径长度表方便后续实际寻路进行比较与判断。
1void BFS3(Business& bus) {2
3 int start = bus.start, end = bus.end;4
5 if (minPathSize.find(make_pair(start, end)) != minPathSize.end()) // 键存在，无需再次查找6 return;7
8 bus.trueMinPath.resize(N, -1);9 for (int i = 0; i < N; ++i) { // 赋初值10 vis1[i] = false;11 }12
13 queue<pair<int, int>> bfsQ;14 bfsQ.push(make_pair(start, 0));15 vis1[start] = true;16 int s = start;17 int curLevel = 0;18 bool getOutFlag = false;19
20 while (!bfsQ.empty() && !getOutFlag) {21
22 s = bfsQ.front().first;23 curLevel = bfsQ.front().second;24 bfsQ.pop();25
26 for (int i = head[s]; i != -1; i = edge[i].next) {27 int t = edge[i].to;28 if (vis1[t])29 continue;30 vis1[t] = true;31 bus.trueMinPath[t] = i; // 记录下抵达路径点t的边的编号i32 if (t == end) {33 getOutFlag = true;34 s = t;35 ++curLevel;36 break;37 }38 else {39 bfsQ.push(make_pair(t, curLevel + 1));40 }41 }42 }43 minPathSize[make_pair(start, end)] = curLevel;44}BFS1 用于考虑通道的情况下寻找最少边数路径，基本逻辑是遍历每一条通道，然后使用 BFS 寻路，且在寻路时判断该边该通道是否已经被占用，被占用则该条边不能使用。有两个特殊情况就是如果在寻路之前已经调用过加边的函数，则找到一条路径即立刻跳出寻路，不再遍历其他通道，因为此时因为加了新边有很大概率是通畅的；另一个则是当找到的路径特别长时，放弃这条路径，因为特别长的路径虽然不会直接增加太多成本，但是会让整个网络更加堵塞，不利于全局降低成本。如果遍历完成依然找不到合适的路径，则先执行删边操作调整目前网络中冗余的边然后再执行加边。
1void BFS1(Business& bus, bool ifLoadNewEdge) {2
3 int start = bus.start, end = bus.end, p = 0;4 static int addNewEdgeCnt = 0; // 加边次数（不是边数）5 static int addNewBus = 0; // 加业务次数6 ++addNewBus;7 bool findPath = false;8 int minPathDist = INF;9 int choosenP = -1;10 vector<int> tmpOKPath;11 double maxValue = -1;12
13 //调整通道遍历顺序有概率使业务分配得更均匀14 if (addNewBus % 2)15 p = 0;16 else17 p = P - 1;18
19 while (true) {20 if (addNewBus % 2) {21 ++p;22 if (p >= P)23 break;24 }25 else {26 --p;27 if (p < 0)28 break;29 }30
31 tmpOKPath.resize(N, -1);32 for (int i = 0; i < N; ++i) { // 赋初值33 vis1[i] = false;34 }35 queue<pair<int, int>> bfsQ;36 //queue<Node2> bfsq;37 bfsQ.push(make_pair(start, 0));38 //bfsq.push(Node2(start, 0, 0));39 vis1[start] = true;40 int s = start;41 int curLevel = 0;42 //int totUsedPileCnt = 0;43 bool getOutFlag = false;44
45 while (!bfsQ.empty() && !getOutFlag) {46
47 //Node2 tmpNode = bfsq.front();48 s = bfsQ.front().first;49 //s = tmpNode.nodeId;50 curLevel = bfsQ.front().second;51 //curLevel = tmpNode.curLevel;52 //totUsedPileCnt = tmpNode.usedPileCnt;53 bfsQ.pop();54 //bfsq.pop();55
56 for (int i = head[s]; i != -1; i = edge[i].next) {57
58 if (edge[i].Pile[p] == -1) { // pile未被占用时，才试图走该边59 int t = edge[i].to;60 if (vis1[t])61 continue;62 vis1[t] = true;63 tmpOKPath[t] = i; // 记录下抵达路径点t的边的编号i64
65 if (t == end) {66 getOutFlag = true;67 s = t;68 ++curLevel;69 //totUsedPileCnt += edge[i].usedPileCnt;70 break;71 }72 else {73 bfsQ.push(make_pair(t, curLevel + 1));74 //bfsq.push(Node2(t, curLevel + 1, totUsedPileCnt + edge[i].usedPileCnt));75 }76 }77 }78 }79 if (s == end) {80
81 //if (minPathSize.find(make_pair(start, end)) == minPathSize.end()) // 键不存在82 // minPathSize[make_pair(start, end)] = curLevel;83 //else if (minPathSize[make_pair(start, end)] > curLevel) {84 // minPathSize[make_pair(start, end)] = curLevel;85 //}86
87 if (minPathSize[make_pair(start, end)] * goodBadGap > curLevel)88 bus.isBusWellAllocate = true;89 else90 bus.isBusWellAllocate = false;91
92 if (ifLoadNewEdge) { // 如果BFS1在调用前已经添加了新边，则可以一遍过93 bus.pathTmp = vector<int>(tmpOKPath.begin(), tmpOKPath.end());94 choosenP = p;95 findPath = true;96 break;97 }98
99 if (curLevel > 3 * minPathSize[make_pair(start, end)]) // 找到的路径长度太长，宁愿不要100 continue;101
102 int curNode = end, tmpDist = curLevel;103 if (tmpDist < minPathDist) {104 minPathDist = tmpDist;105 bus.pathTmp = vector<int>(tmpOKPath.begin(), tmpOKPath.end());106 choosenP = p;107 }108 findPath = true;109 }110 }111 if (findPath == false) {112
113 if (ifTryDeleteEdge) {114 if (T > 3500 && T <= 4000) {115 if (/*++addNewEdgeCnt % 2 == 0 && */(bus.start != buses[bus.busId - 1].start || bus.end != buses[bus.busId - 1].end))116 tryDeleteEdge();117 }118 else119 if (/*++addNewEdgeCnt % 2 == 0 && */(bus.start != buses[bus.busId - 1].start || bus.end != buses[bus.busId - 1].end))120 tryDeleteEdge();121 }122
123 //BFS2(bus); // 旧的加边策略，一但加边，整个路径都会加，但全局性能是当前最好的124 BFS7(bus); // 新加边策略，只加最短路径上需要进行加边的边125 return;126 }127
128 int curNode = end;129 bus.pileId = choosenP;130 while (bus.pathTmp[curNode] != -1) {131 int edgeId = bus.pathTmp[curNode]; // 存储于edge数组中真正的边的Id132 ++node[curNode].passBusCnt; // 经过节点的业务数加1133
134 bus.path.push_back(edgeId / 2); // edgeId / 2是为了适应题目要求135 edge[edgeId].Pile[choosenP] = bus.busId;136 ++edge[edgeId].usedPileCnt;137
138 if (edgeId % 2) { // 奇数-1139 edge[edgeId - 1].Pile[choosenP] = bus.busId; // 双向边，两边一起处理140 ++edge[edgeId - 1].usedPileCnt;141 }142 else { // 偶数+1143 edge[edgeId + 1].Pile[choosenP] = bus.busId;144 ++edge[edgeId + 1].usedPileCnt;145 }146
147 curNode = edge[bus.pathTmp[curNode]].from;148 }149 ++node[curNode].passBusCnt; // 经过节点的业务数加1150 reverseArray(bus.path);151}在业务寻路失败的时候，就需要进行加边操作，加边操作有两个函数，分别是 BFS2 和 BFS7。
BFS2 类似于 BFS3，是一个纯粹的 BFS 无约束寻路，其加边思想为不考虑通道堵塞直接寻找最少边数路径，然后直接对整条路径上的所有原有的边都进行加边操作，然后重新交给 BFS1 进行寻路。
1void BFS2(Business& bus) {2
3 int start = bus.start, end = bus.end;4
5 bus.trueMinPath.resize(N, -1);6 for (int i = 0; i < N; ++i) { // 赋初值7 vis1[i] = false;8 }9
10 queue<pair<int, int>> bfsQ;11 bfsQ.push(make_pair(start, 0));12 vis1[start] = true;13 int s = start;14 int curLevel = 0;15 bool getOutFlag = false;16
17 while (!bfsQ.empty() && !getOutFlag) {18
19 s = bfsQ.front().first;20 curLevel = bfsQ.front().second;21 bfsQ.pop();22
23 for (int i = head[s]; i != -1; i = edge[i].next) {24 int t = edge[i].to;25 if (vis1[t])26 continue;27 vis1[t] = true;28 bus.trueMinPath[t] = i; // 记录下抵达路径点t的边的编号i29 if (t == end) {30 getOutFlag = true;31 s = t;32 break;33 }34 else {35 bfsQ.push(make_pair(t, curLevel + 1));36 }37 }38
39 }40
41 int curNode = end;42 while (bus.trueMinPath[curNode] != -1) {43 int edgeId = bus.trueMinPath[curNode]; // 存储于edge数组中真正的边的Id44
45 addEdge(edge[edgeId].from, edge[edgeId].to, minDist[make_pair(edge[edgeId].from, edge[edgeId].to)]);46 addEdge(edge[edgeId].to, edge[edgeId].from, minDist[make_pair(edge[edgeId].to, edge[edgeId].from)]);47
48 if (edge[edgeId].from < edge[edgeId].to)49 newEdge.emplace_back(edge[edgeId].from, edge[edgeId].to);50 else51 newEdge.emplace_back(edge[edgeId].to, edge[edgeId].from);52 newEdgePathId.emplace_back(cntEdge / 2 - 1);53
54 curNode = edge[bus.trueMinPath[curNode]].from;55 }56 BFS1(bus, true);57}BFS2 是最原始的加边策略，毫无疑问这样的加边策略会导致加很多没有用上的边，从单个业务的效果上来看成本巨大，于是便有了 BFS7。BFS7 的加边思想是先不考虑堵塞寻找最少边数路径，然后在这条路径上搜索所有通道，选择堵塞边数最少的通道，对路径上这个通道堵塞的边进行加边，也就是在不考虑堵塞的最少边数路径上加最少的边。所以虽然 BFS7 加边数少了很多，但其依然不是最少的，因为是先选定了不考虑堵塞的最少边数路径，但是很有可能选择其他路径需要加边的数量会更少。这种加边数最少的策略我也尝试过，但是由于其计算复杂度稍高，且效果并不好（具体原因下面会分析），最终没有应用，此处不做说明。
1void BFS7(Business& bus) {2
3 int start = bus.start, end = bus.end;4 int minBlockEdge = INF;5 int choosenP = -1;6 vector<int> tmpOKPath;7 tmpOKPath.resize(N, -1);8 for (int i = 0; i < N; ++i) { // 赋初值9 vis1[i] = false;10 }11 queue<pair<int, int>> bfsQ;12 bfsQ.push(make_pair(start, 0));13 vis1[start] = true;14 int s = start;15 int curLevel = 0;16 bool getOutFlag = false;17
18 while (!bfsQ.empty() && !getOutFlag) {19
20 s = bfsQ.front().first;21 curLevel = bfsQ.front().second;22 bfsQ.pop();23
24 for (int i = head[s]; i != -1; i = edge[i].next) {25
26 int t = edge[i].to;27 if (vis1[t])28 continue;29 vis1[t] = true;30 tmpOKPath[t] = i; // 记录下抵达路径点t的边的编号i31
32 if (t == end) {33 getOutFlag = true;34 s = t;35 ++curLevel;36 break;37 }38 else39 bfsQ.push(make_pair(t, curLevel + 1));40 }41
42 }43 for (int p = 0; p < P; ++p) {44
45 int curNode = end, tmpBlockEdge = 0;46 while (tmpOKPath[curNode] != -1) {47 int edgeId = tmpOKPath[curNode]; // 存储于edge数组中真正的边的Id48 if (edge[edgeId].Pile[p] != -1)49 ++tmpBlockEdge;50 curNode = edge[edgeId].from;51 }52
53 if (tmpBlockEdge < minBlockEdge) { // 选需要加边数最少的通道54 minBlockEdge = tmpBlockEdge;55 bus.pathTmp = vector<int>(tmpOKPath.begin(), tmpOKPath.end());56 choosenP = p;57 }58 }59
60 int curNode = end;61 bus.pileId = choosenP;62 while (bus.pathTmp[curNode] != -1) {63 int edgeId = bus.pathTmp[curNode]; // 存储于edge数组中真正的边的Id64 int lastNode = curNode;65 ++node[curNode].passBusCnt; // 经过节点的业务数加166 curNode = edge[bus.pathTmp[curNode]].from;67
68 if (edge[edgeId].Pile[choosenP] == -1) { // 无需加边69 bus.path.push_back(edgeId / 2); // edgeId / 2是为了适应题目要求70 edge[edgeId].Pile[choosenP] = bus.busId;71 ++edge[edgeId].usedPileCnt;72
73 if (edgeId % 2) { // 奇数-174 edge[edgeId - 1].Pile[choosenP] = bus.busId; // 双向边，两边一起处理75 ++edge[edgeId - 1].usedPileCnt;76 }77 else { // 偶数+178 edge[edgeId + 1].Pile[choosenP] = bus.busId;79 ++edge[edgeId + 1].usedPileCnt;80 }81 }82 else { // 需要加边83 addEdge(edge[edgeId].from, edge[edgeId].to, minDist[make_pair(edge[edgeId].from, edge[edgeId].to)]);84 addEdge(edge[edgeId].to, edge[edgeId].from, minDist[make_pair(edge[edgeId].to, edge[edgeId].from)]);85
86 if (edge[edgeId].from < edge[edgeId].to)87 newEdge.emplace_back(edge[edgeId].from, edge[edgeId].to);88 else89 newEdge.emplace_back(edge[edgeId].to, edge[edgeId].from);90 newEdgePathId.emplace_back(cntEdge / 2 - 1);91
92 bus.path.push_back(cntEdge / 2 - 1); // edgeId / 2是为了适应题目要求93 edge[cntEdge - 2].Pile[choosenP] = bus.busId;94 ++edge[cntEdge - 2].usedPileCnt;95 edge[cntEdge - 1].Pile[choosenP] = bus.busId; // 偶数+196 ++edge[cntEdge - 1].usedPileCnt;97 bus.pathTmp[lastNode] = cntEdge - 2;98 }99 }100 ++node[curNode].passBusCnt; // 经过节点的业务数加1101 reverseArray(bus.path);102 bus.isBusWellAllocate = true;103}在 BFS2 与 BFS7 两种加边策略之间，我们最终选择了 BFS2。因为虽然 BFS7 加边数量比 BFS2 少，但是这只是对一个业务而言，我们的总体目标是让全局成本最低，BFS2 虽然对一个业务加的边多了，但是多加的边能在一定程度上缓解网络的堵塞情况，便于后续业务的分配，上文所说到的加边数量最少的算法效果不好也是因为这个原因。再加之 BFS2 虽然加边数量多了，但后续还有删除冗余边和迭代优化分配的算法对网络进行调整，最终并不会存在太多多余的边。实际测试结果也说明了这个问题，BFS2 的全局性能确实是最好的。
删除冗余边是降低成本的一个重要部分，其主要思想是统计新增的边上承载的业务数量，若没有承载业务就直接删除；若承载了业务就先保存这条边上的业务的路径，然后对这些业务进行重新分配（这也是后续迭代优化的基本思想），重新分配时不走正在考察这条边，看看能否不使用这条边把原本在这条边上的业务全部分配完成，若可以，则证明这条边为冗余边，可以删除，若不可以，则用保存的原路径复原重新分配寻路时造成的影响。
重新分配采用 BFS5，类似于 BFS1，区别在于 BFS5 不会触发加边操作，如果找不到符合要求的路径会直接返回 false，标志该业务确实要依赖这条新增的边，即这条边不可以删除。
1bool BFS5(Business& bus, int blockEdge) {2
3 int start = bus.start, end = bus.end, p = 0;4
5 bool findPath = false;6 int minPathDist = INF;7 int choosenP = -1;8 vector<int> tmpOKPath;9
10 for (; p < P; ++p) {11 tmpOKPath.resize(N, -1);12 for (int i = 0; i < N; ++i) { // 赋初值13 vis1[i] = false;14 }15 queue<pair<int, int>> bfsQ;16 bfsQ.push(make_pair(start, 0));17 vis1[start] = true;18 int s = start;19 int curLevel = 0;20 bool getOutFlag = false;21
22 while (!bfsQ.empty() && !getOutFlag) {23
24 s = bfsQ.front().first;25 curLevel = bfsQ.front().second;26 bfsQ.pop();27
28 for (int i = head[s]; i != -1; i = edge[i].next) {29
30 if (i / 2 == blockEdge)31 continue;32
33 if (edge[i].Pile[p] == -1) { // pile未被占用时，才试图走该边34 int t = edge[i].to;35 if (vis1[t])36 continue;37 vis1[t] = true;38 tmpOKPath[t] = i; // 记录下抵达路径点t的边的编号i39
40 if (t == end) {41 getOutFlag = true;42 s = t;43 ++curLevel;44 break;45 }46 else {47 bfsQ.push(make_pair(t, curLevel + 1));48 }49 }50 }51 }52 if (s == end) {53
54 // 找到的路径长度太长，宁愿不要55 if (!ifLast && (curLevel > 3 * minPathSize[make_pair(start, end)]))56 continue;57
58 if (minPathSize[make_pair(start, end)] == curLevel)59 bus.isBusWellAllocate = true;60 else61 bus.isBusWellAllocate = false;62
63 int curNode = end, tmpDist = curLevel;64 if (tmpDist <= minPathDist) {65 minPathDist = tmpDist;66 bus.pathTmp = vector<int>(tmpOKPath.begin(), tmpOKPath.end());67 choosenP = p;68 }69 findPath = true;70 }71 }72 if (findPath == false) { // 找不到路，需要构造新边73 return false;74 }75
76 int curNode = end;77 bus.pileId = choosenP;78 while (bus.pathTmp[curNode] != -1) {79 int edgeId = bus.pathTmp[curNode]; // 存储于edge数组中真正的边的Id80 ++node[curNode].passBusCnt; // 经过节点的业务数加181
82 bus.path.push_back(edgeId / 2); // edgeId / 2是为了适应题目要求83 edge[edgeId].Pile[choosenP] = bus.busId;84 ++edge[edgeId].usedPileCnt;85
86 if (edgeId % 2) { // 奇数-187 edge[edgeId - 1].Pile[choosenP] = bus.busId; // 双向边，两边一起处理88 ++edge[edgeId - 1].usedPileCnt;89 }90 else { // 偶数+191 edge[edgeId + 1].Pile[choosenP] = bus.busId;92 ++edge[edgeId + 1].usedPileCnt;93 }94
95 curNode = edge[bus.pathTmp[curNode]].from;96 }97 ++node[curNode].passBusCnt; // 经过节点的业务数加198 reverseArray(bus.path);99 return true;100}101
102void tryDeleteEdge() {103
104 int n = newEdge.size(), trueEdgeId;105 for (int idx = 0; idx < n; ++idx) {106 int idxEdge = newEdgePathId[idx]; // idxEdge为边在边集数组的编号（计数时，双向边视作同一边）107
108 trueEdgeId = idxEdge * 2;109 int busCnt = 0; // 记录边上承载的业务数110 vector<int> lastBusIds, lastPileIds;111
112 for (int j = 0; j < P; ++j)113 if (edge[trueEdgeId].Pile[j] != -1 && edge[trueEdgeId].Pile[j] != T) { // 说明在通道j上承载了该业务114 ++busCnt;115 lastBusIds.push_back(edge[trueEdgeId].Pile[j]);116 lastPileIds.push_back(j);117 }118
119 if (busCnt == 0) { // 如果该新边上，一条业务都没有承载，直接删边120
121 int iter = find(newEdgePathId.begin(), newEdgePathId.end(), idxEdge) - newEdgePathId.begin();122 newEdge.erase(newEdge.begin() + iter);123 newEdgePathId.erase(newEdgePathId.begin() + iter);124 --idx;125 --n;126
127 for (int k = 0; k < P; ++k) { // 该边已删除，就应对其进行封锁128 edge[trueEdgeId].Pile[k] = T;129 edge[trueEdgeId + 1].Pile[k] = T; // 偶数+1130 }131 }132 else { // 如果该新边上，承载了多条业务，则对该边上的所有业务重新分配，看能否不依赖该新边133
134 vector<vector<int>> pathTmp(busCnt, vector<int>()); // 用于此后重新加载边135 for (int k = 0; k < busCnt; ++k) {136 pathTmp[k] = buses[lastBusIds[k]].pathTmp;137 reCoverNetwork(lastBusIds[k], lastPileIds[k]);138 }139
140 bool findPath = false;141 int stopK = -1;142 vector<int> tmpLastPileIds;143 for (int k = 0; k < busCnt; ++k) {144
145 findPath = BFS5(buses[lastBusIds[k]], idxEdge);146 //findPath = dijkstra5(buses[lastBusIds[k]], idxEdge);147
148 if (findPath == false) {149 stopK = k;150 break;151 }152 tmpLastPileIds.push_back(buses[lastBusIds[k]].pileId); // 原本的pileId已改变，此处进行更新，以防止reCoverNetwork时出bug153 }154
155 if (findPath) {156
157 int iter = find(newEdgePathId.begin(), newEdgePathId.end(), idxEdge) - newEdgePathId.begin();158 newEdge.erase(newEdge.begin() + iter);159 newEdgePathId.erase(newEdgePathId.begin() + iter);160 --idx;161 --n;162
163 for (int k = 0; k < P; ++k) { // 该边已删除，就应对其进行封锁164 edge[trueEdgeId].Pile[k] = T;165 edge[trueEdgeId + 1].Pile[k] = T; // 偶数+1166 }167
168 for (int k = 0; k < busCnt; ++k) {169
170 vector<int> nullVector;171 buses[lastBusIds[k]].mutiplierId.swap(nullVector);172 buses[lastBusIds[k]].curA = D;173
174 addMultiplier(buses[lastBusIds[k]], lastBusIds[k]);175
176 }177
178 }179 else {180
181 for (int k = 0; k < stopK; ++k) { // 把试图寻路时，造成的对网络的影响消除182 reCoverNetwork(lastBusIds[k], tmpLastPileIds[k]);183 }184
185 for (int k = 0; k < busCnt; ++k) { // 重新加载所有的边186 vector<int> nullVector, nullPath1, nullPath2;187 buses[lastBusIds[k]].mutiplierId.swap(nullVector);188 buses[lastBusIds[k]].path.swap(nullPath1);189 buses[lastBusIds[k]].pathTmp.swap(nullPath2);190
191 buses[lastBusIds[k]].pileId = -1;192 buses[lastBusIds[k]].curA = D;193 reloadBus(lastBusIds[k], lastPileIds[k], pathTmp[k]);194 }195 }196 }197 }198}迭代优化是在初赛结束之后才做出来的算法，故无法得知用上迭代优化后在初赛中可以获得怎样的成绩。但是就本地测试来看，它通过在规定的测试时间内进行多次迭代，可以搭配计时完美利用分配完成后剩余的大量时间对网络进行调整优化，可以大幅度降低成本。
迭代优化的过程其实类似于删边，先把需要迭代的业务保存下来，然后进行重新分配，将重新分配的结果与原本的分配结果比较看看有无进步，若有进步则保留，无进步则还原之前的状态。这样持续迭代多次，进步就能累积下去得到更好的结果。
迭代优化的方案有很多，我们做过四个方案，分别是 reAllocateBus1—reAllocateBus4，四个方案的区别主要在于评判重新分配的结果的标准或过程中的约束。四个方案都是先随机出一个 gap，然后从业务中一次随机抽取 gap 个业务作为一个单位去考察重新分配后有无更好，这个抽取过程在一次迭代中会重复多次，具体视总体业务量来确定，抽取次数过多会影响效率进而减少迭代次数使效果变差。
reAllocateBus1 对重新分配结果的评判标准为总的边数是否减少，若总边数减少则认为成功，采用重新分配的结果。其在进行重新分配寻路的时候允许进行加边操作，以求获得较好的路径。
1void reAllocateBus1(int HLim) {2
3 int gap = max(int(0.025 * T), 20);4 if (gap > T)5 return;6
7 vector<int> busIdx(gap, 0);8
9 for (int i = 0; i + gap < HLim; i = i + gap) {10
11 srand(42); // 设置随机数种子12 random_shuffle(totBusIdx.begin(), totBusIdx.end());13 for (int i = 0; i < gap; ++i) {14 busIdx[i] = totBusIdx[i];15 }16
17 int oriEdgeNum = 0;18
19 vector<vector<int>> pathTmp1(gap, vector<int>()); // 用于此后重新加载边20 vector<int> pileTmp1(gap, -1);21 for (int j = i, busId; j < i + gap; ++j) {22 busId = busIdx[j - i];23 oriEdgeNum += buses[busId].path.size();24 pathTmp1[j - i] = buses[busId].pathTmp;25 pileTmp1[j - i] = buses[busId].pileId;26 reCoverNetwork(busId, buses[busId].pileId);27 }28
29 int curEdgeNum = 0;30 bool findPath = false;31 vector<int> pileTmp2(gap, -1);32 for (int j = i + gap - 1, busId; j >= i; --j) {33 busId = busIdx[j - i];34 loadBus(busId, false);35 pileTmp2[j - i] = buses[busId].pileId;36 curEdgeNum += buses[busId].path.size();37 }38
39 if (1.05 * curEdgeNum < oriEdgeNum) { // 总体的边数减少，接受迁移40 continue;41 }42 else { // 否则，回复原状态43 for (int j = i + gap - 1, busId; j >= i; --j) { // 把试图寻路时，造成的对网络的影响消除44 busId = busIdx[j - i];45 reCoverNetwork(busId, pileTmp2[j - i]);46 }47
48 for (int j = i, busId; j < i + gap; ++j) { // 重新加载所有的边49 vector<int> nullVector, nullPath1, nullPath2;50 busId = busIdx[j - i];51 buses[busId].mutiplierId.swap(nullVector);52 buses[busId].path.swap(nullPath1);53 buses[busId].pathTmp.swap(nullPath2);54
55 buses[busId].pileId = -1;56 buses[busId].curA = D;57 reloadBus(busId, pileTmp1[j - i], pathTmp1[j - i]);58 }59 }60 }61}reAllocateBus2 对重新分配结果的评判标准也是总路径边数是否减少，与 reAllocateBus1 的区别在于在重新分配寻路的过程中不允许加边操作，避免迭代过程继续加边，试图减小加边数。但经过实测效果并不好，依然存在全局性能不好的问题。
1void reAllocateBus2(int HLim) {2
3 int gap = max(int(0.05 * T), 20);4 if (gap > T)5 return;6 vector<int> totBusIdx(T, 0);7 vector<int> busIdx(gap, 0);8 for (int i = 0; i < T; ++i)9 totBusIdx[i] = i;10
11 for (int i = 0; i + gap < HLim; i = i + gap) {12
13 srand(time(NULL)); // 设置随机数种子14 random_shuffle(totBusIdx.begin(), totBusIdx.end());15 for (int k = 0; k < gap; ++k) {16 busIdx[k] = totBusIdx[k];17 }18
19 int oriEdgeNum = 0;20
21 vector<vector<int>> pathTmp1(gap, vector<int>()); // 用于此后重新加载边22 vector<int> pileTmp1(gap, -1);23 for (int j = i, busId; j < i + gap; ++j) {24 busId = busIdx[j - i];25 oriEdgeNum += buses[busId].path.size();26 pathTmp1[j - i] = buses[busId].pathTmp;27 pileTmp1[j - i] = buses[busId].pileId;28 reCoverNetwork(busId, buses[busId].pileId);29 }30
31 int curEdgeNum = 0;32 bool findPath = false;33 vector<vector<int>> pathTmp2(gap, vector<int>()); // 用于此后重新加载边34 vector<int> pileTmp2(gap, -1);35
36 for (int j = i + gap - 1, busId; j >= i; --j) {37
38 busId = busIdx[j - i];39 findPath = BFS5(buses[busId], -1);40 if (findPath) {41 pathTmp2[j - i] = buses[busId].pathTmp;42 pileTmp2[j - i] = buses[busId].pileId;43 curEdgeNum += buses[busId].path.size();44
45 int curNode = buses[busId].start, trueNextEdgeId;46 for (int i = 0; i < buses[busId].path.size(); ++i) {47
48 if (edge[buses[busId].path[i] * 2].from == curNode)49 trueNextEdgeId = buses[busId].path[i] * 2;50 else51 trueNextEdgeId = buses[busId].path[i] * 2 + 1;52 curNode = edge[trueNextEdgeId].to;53
54 if (buses[busId].curA >= edge[trueNextEdgeId].trueD) {55 buses[busId].curA -= edge[trueNextEdgeId].trueD;56 }57 else {58 node[edge[trueNextEdgeId].from].Multiplier[buses[busId].pileId] = buses[busId].pileId;59 buses[busId].curA = D;60 buses[busId].curA -= edge[trueNextEdgeId].trueD;61 buses[busId].mutiplierId.push_back(edge[trueNextEdgeId].from);62 }63 }64 }65 else { // BFS5找不到路时，不会对网络和业务产生任何影响66 findPath = false;67 break;68 }69 }70
71 if (findPath && 1.025 * curEdgeNum < oriEdgeNum) { // 总体的边数减少，接受迁移72 continue;73 }74 else { // 否则，回复原状态75 for (int j = i + gap - 1, busId; j >= i; --j) { // 把试图寻路时，造成的对网络的影响消除76 if (pathTmp2[j - i].size() == 0) // 该业务寻路失败，对网络不造成影响77 continue;78 busId = busIdx[j - i];79 reCoverNetwork(busId, pileTmp2[j - i]);80 }81
82 for (int j = i, busId; j < i + gap; ++j) { // 重新加载所有的边83
84 vector<int> nullVector, nullPath1, nullPath2;85 busId = busIdx[j - i];86 buses[busId].mutiplierId.swap(nullVector);87 buses[busId].path.swap(nullPath1);88 buses[busId].pathTmp.swap(nullPath2);89
90 buses[busId].pileId = -1;91 buses[busId].curA = D;92 reloadBus(busId, pileTmp1[j - i], pathTmp1[j - i]);93 }94 }95 }96}reAllocateBus3 对重新分配结果的评判标准也是总路径边数是否减少，但是在挑选迭代业务时有所不同。它先考察每一个业务所经过的路径长度是否小于 最短路径长度*goofBadGap，以此分离出“分配良好”和“分配不良好”的业务。然后它以某一概率抽取“不良好”的业务，剩余则从“良好”中抽取，以此尽可能试图抽出较多“不良好”的业务进行重新分配。
1void reAllocateBus3(int HLim) {2
3 int gap = max(int(0.025 * T), 20);4 if (gap > T)5 return;6
7 double ratio = 0.5; // 以ratio的概率，选择不良好的业务进行分配8 vector<int> goodBusId; // 良好分配的业务，“良好”的定义是该业务所经过的路径长度小于最短路径长度*goofBadGap9 vector<int> badBusId; // 不良好分配的业务10 for (int i = 0; i < T; ++i)11 if (buses[i].isBusWellAllocate)12 goodBusId.push_back(i);13 else14 badBusId.push_back(i);15
16 vector<int> busIdx(gap, 0);17
18 for (int i = 0; i + gap < HLim; i = i + gap) {19
20 srand(time(NULL) + rand() % 1000); // 设置随机数种子21 random_shuffle(goodBusId.begin(), goodBusId.end());22 random_shuffle(badBusId.begin(), badBusId.end());23 int goodBusSize = goodBusId.size(), badBusSize = badBusId.size();24
25 for (int j = 0, m = 0, n = 0; j < gap; ++j) {26
27 if (n >= goodBusSize) {28 busIdx[j] = badBusId[m++];29 continue;30 }31 if (m >= badBusSize) {32 busIdx[j] = goodBusId[n++];33 continue;34 }35 double curRatio = (double)(rand()) / RAND_MAX;36 if (curRatio < ratio) // 以ratio的概率，选择不良好的业务进行分配37 busIdx[j] = badBusId[m++];38 else39 busIdx[j] = goodBusId[n++];40 }41
42 int oriEdgeNum = 0;43 vector<vector<int>> pathTmp1(gap, vector<int>()); // 用于此后重新加载边44 vector<int> pileTmp1(gap, -1);45 for (int j = i, busId; j < i + gap; ++j) {46 busId = busIdx[j - i];47 oriEdgeNum += buses[busId].path.size();48 pathTmp1[j - i] = buses[busId].pathTmp;49 pileTmp1[j - i] = buses[busId].pileId;50 reCoverNetwork(busId, buses[busId].pileId);51 }52
53 int oriCntEdge = cntEdge;54 int curEdgeNum = 0;55 bool findPath = false;56 vector<int> pileTmp2(gap, -1);57 for (int j = i + gap - 1, busId; j >= i; --j) {58 busId = busIdx[j - i];59 loadBus(busId, false);60 pileTmp2[j - i] = buses[busId].pileId;61 curEdgeNum += buses[busId].path.size();62 }63
64 if (1.05 * curEdgeNum < oriEdgeNum) { // 总体的边数减少，接受迁移65 continue;66 }67 else { // 否则，回复原状态68 for (int j = i + gap - 1, busId; j >= i; --j) { // 把试图寻路时，造成的对网络的影响消除69 busId = busIdx[j - i];70 reCoverNetwork(busId, pileTmp2[j - i]);71 }72
73 for (int j = i, busId; j < i + gap; ++j) { // 重新加载所有的边74 vector<int> nullVector, nullPath1, nullPath2;75 busId = busIdx[j - i];76 buses[busId].mutiplierId.swap(nullVector);77 buses[busId].path.swap(nullPath1);78 buses[busId].pathTmp.swap(nullPath2);79
80 buses[busId].pileId = -1;81 buses[busId].curA = D;82 reloadBus(busId, pileTmp1[j - i], pathTmp1[j - i]);83 }84
85 // 在这里利用cntEdge的变化来及时删除无用新边86 //for (int j = oriCntEdge; j < cntEdge; j = j + 2) {87
88 // int iter = find(newEdgePathId.begin(), newEdgePathId.end(), j / 2) - newEdgePathId.begin();89 // newEdge.erase(newEdge.begin() + iter);90 // newEdgePathId.erase(newEdgePathId.begin() + iter);91
92 // for (int k = 0; k < P; ++k) { // 该边已删除，就应对其进行封锁93 // edge[j].Pile[k] = T;94 // edge[j + 1].Pile[k] = T; // 偶数+195 // }96 //}97 }98 }99}reAllocateBus4 将重新分配结果的评判统计量从边的数量改为边的利用率，比单纯关注边数更有全局意义，实测效果也更好，收敛速度更快。但是其中有一个疑惑的地方，理论上来说边的利用率应越大越好，但实际上把接受重新分配结果的标准定为 重新分配后的边的利用率<重新分配前的边的利用率 可以使成本大幅下降（但不能保证每次迭代成本递减），这个完全相反的逻辑是目前仍未想明白的。
1void reAllocateBus4(int HLim) {2
3 int gap = max(int(0.025 * T), 20);4 if (gap > T)5 return;6
7 vector<int> busIdx(gap, 0);8
9 for (int i = 0; i + gap < HLim; i = i + gap) {10
11 srand(42); // 设置随机数种子12 random_shuffle(totBusIdx.begin(), totBusIdx.end());13 for (int i = 0; i < gap; ++i) {14 busIdx[i] = totBusIdx[i];15 }16
17 int oriEdgeNum = 0, oriFullEdge = 0;18 unordered_set<int> mark1;19 unordered_set<int> mark2;20 for (int j = i; j < i + gap; ++j) {21 oriEdgeNum += countEdgeNum(buses[busIdx[j - i]].path, mark1);22 oriFullEdge += testEdgeFull(buses[busIdx[j - i]].path, mark2);23 }24
25 vector<vector<int>> pathTmp1(gap, vector<int>()); // 用于此后重新加载边26 vector<int> pileTmp1(gap, -1);27 for (int j = i, busId; j < i + gap; ++j) {28 busId = busIdx[j - i];29 pathTmp1[j - i] = buses[busId].pathTmp;30 pileTmp1[j - i] = buses[busId].pileId;31 reCoverNetwork(busId, buses[busId].pileId);32 }33
34 int curEdgeNum = 0, curFullEdge = 0;35 bool findPath = false;36 vector<int> pileTmp2(gap, -1);37 for (int j = i + gap - 1, busId; j >= i; --j) {38 busId = busIdx[j - i];39 loadBus(busId, false);40 pileTmp2[j - i] = buses[busId].pileId;41 curEdgeNum += buses[busId].path.size();42 }43 unordered_set<int> mark3;44 unordered_set<int> mark4;45 for (int j = i; j < i + gap; ++j) {46 curEdgeNum += countEdgeNum(buses[busIdx[j - i]].path, mark3);47 curFullEdge += testEdgeFull(buses[busIdx[j - i]].path, mark4);48 }49
50 if (curFullEdge * oriEdgeNum < oriFullEdge * curEdgeNum) { // 边的利用效率下降，接受迁移51 continue;52
53 }54 else { // 否则，回复原状态55 for (int j = i + gap - 1, busId; j >= i; --j) { // 把试图寻路时，造成的对网络的影响消除56 busId = busIdx[j - i];57 reCoverNetwork(busId, pileTmp2[j - i]);58 }59
60 for (int j = i, busId; j < i + gap; ++j) { // 重新加载所有的边61 vector<int> nullVector, nullPath1, nullPath2;62 busId = busIdx[j - i];63 buses[busId].mutiplierId.swap(nullVector);64 buses[busId].path.swap(nullPath1);65 buses[busId].pathTmp.swap(nullPath2);66
67 buses[busId].pileId = -1;68 buses[busId].curA = D;69 reloadBus(busId, pileTmp1[j - i], pathTmp1[j - i]);70 }71 }72 }73}通过实际测试，我们最终选定了使用 reAllocateBus4，因为它拥有最好的全局性能与较快的收敛速度。迭代优化需要与删边协作使用，才能在迭代优化调整之后删除冗余边。由于 reAllocateBus4 不能确保每次迭代成本递减（但是一般都能减小到一个较低的成本后再发生小幅波动），所以后来增加了保存迭代过程中成本最低网络的功能，并且最后输出这个成本最低的网络。
其他一些比较简单的算法（如添加放大器等）和上述主要算法的一些辅助函数在此不做说明，还有许多测试性的小优化方案如业务分配排序（根据起点终点分组或最短路径长度）由于应用场景有限未加入到主要代码中。
由于迭代优化算法是在初赛结束之后才开始做的，线上判题入口已经关闭，便自己写了一个简单的判题器用于判断输出的结果是否合法、评判分数和计时，在这个过程中学到了一些有意思的东西。
在使用命令行启动可执行文件时，main() 是可以传参的，如：
1int main(int argc, char** argv) {}argc 为参数个数，要注意可执行文件名本身就算一个参数。argv 是参数列表，是一个字符串数组指针，可以从中读出每一个参数。如在命令行运行时输入：
Judger.exe main.exe，则argc为2，argv所指数组为["Judger.exe", "main.exe"]。
这个判题器采用管道实现与解题程序的通信。由于管道是单工通信，故需要建立两条管道才能实现双工通信，但是由于比较繁琐最终放弃了双向通信，判题器只接收解题程序输出的结果，而输入则由用户输入。程序之间单向通信的管道的建立十分简单。
1// 读2FILE* pipe = _popen(programName, "r");3// 写4FILE* pipe = _popen(programName, "w");通过这一行代码即可同时做到在命令窗口内拉起目标程序已经建立对应的读或写的管道。目标程序被拉起后会在同一个命令窗口中与主程序同时运行，若此时管道为读，目标程序的标准输入流就依然是命令窗口输入，标准输出则接到了管道上，可由主程序使用 fscanf() 读取；若此时管道为写，目标程序的标准输入流接到管道上，可由主程序使用 fprintf() 写入，而标准输出依然是命令窗口输出。
复赛主要是增加了一个业务需要找出多条路径的需求，并且对这多条路径有一定约束。理论上来说只需在代码中增加寻找多条路径的处理方法，并且按约束条件在寻找多条路径时对已经选择过的边进行封锁即可简单解决，但是比赛的时候这么做却一直在超时。赛后在本地自造数据集后调试的时候发现，当前的策略存在某种问题，直接这样修改会导致加边数量巨大，使得网络复杂度快速上升，寻路算法的性能快速下降，从而导致超时。
从赛后复盘看来，应该优先给需要分配两条路径的业务（有约束）分配路径，并且采用新的加边策略，寻路算法使用双向 BFS 来提高在复杂网络下寻路的效率，才能较好的解决这个问题。
初赛期间未使用迭代优化算法获得粤港澳上合赛区第三名，若加上迭代优化算法有望登顶。复赛由于在比赛的 4 个小时中未能解决超时问题未能出分，十分遗憾！
团队比赛的优势在于可以集思广益，能有志同道合的人一起讨论问题、一起解决问题是十分幸福的一件事情，非常感谢强大的队友不断有新的想法去尝试。
虽然复赛没有出理想的成绩，但是借此机会来到了华为的欧洲小镇，坐着小火车感受了这一带的风景与氛围，在夕阳之下躺在广阔的草地上打滚，和华为工程师一起共进晚宴，探讨行业前沿信息……参赛体验十分不错，非常感谢华为光产品线提供的这次机会，明年再做追光者！
初赛：选手程序操控 4 个机器人执行前进、后退、旋转、购买、出售等动作来完成物品递送任务，同时赚取差价获得利润。在运行结束时，选手拥有的资金数即为最终分数，所获得的资金越高越好。
复赛：引入复杂固定障碍。
决赛：引入激光雷达，两队对抗战。
彩蛋题：引入激光探图机制，不提供地图数据。
在这个彩蛋当中，没有对手，有的只是你不断的超越自己；也没有比赛奖励，有的只是你在攻克了一道道技术难题之后所收获的兴奋与成长。希望所有的参赛选手，能够喜欢赛题组精心准备的这份礼物。
——2023 软挑赛题组
彩蛋题资料中包含 SimpleDemo 源码，并且可以同时运行于初赛、复赛、决赛、彩蛋题。
初赛赛题需要考虑的情况不算复杂，所以使用的各项策略也十分简单，使用 Python 编程。
因为机器人的运动并不是简单的线性运动，准确控制需要根据提供的机器人各项物理参数求解运动方程，并且给出的参数都是如电机最大扭矩之类的，而实际运动中电机扭矩是随运动幅度变化的，所以计算会比较复杂。为了避免复杂的运动控制计算（其实是不想做），我采用了最为简单的 PID 算法来控制机器人的旋转，实现后发现只要 P 的效果也足够用了（测试发现机器人运动摩擦力非常大，故振荡较小），所以最终实现起来非常简单，以下为核心代码。
1# 方向调整控制2expected_angle = calculate_angle(bot_id, table_id) # 计算目标方向角3# 目标方向和当前方向之差大于pi时需要转换4if numpy.abs(expected_angle - bot['direction']) > numpy.pi:5 # 当前朝向先做转换变到与目标方向同号6 # 当前朝向方向角为0不需要转换7 # 转换结果只在临时变量中用于计算偏差角，并不修改数据字典中的值8 if bot['direction'] < 0:9 bot['direction'] += 2 * numpy.pi10 elif bot['direction'] > 0:11 bot['direction'] -= 2 * numpy.pi12# 控制旋转速度，偏差角度越大角速度越大13if expected_angle - bot['direction'] < 0:14 command['rotate'][bot_id] = -min_rotate_velocity + angular_velocity_kp * (expected_angle - bot['direction'])15elif expected_angle - bot['direction'] > 0:16 command['rotate'][bot_id] = min_rotate_velocity + angular_velocity_kp * (expected_angle - bot['direction'])17# 到达偏差角阈值以最大速度前进18if numpy.abs(expected_angle - bot['direction']) < start_move_angle_threshold:19 command['forward'][bot_id] = max_forward_velocity20# 否则以最小速度前进21else:22 command['forward'][bot_id] = min_forward_velocity可见核心就只是系数乘偏差角，即可得到还算能用的控制效果。
除此之外，还有一些用于辅助控制的代码不在此处列出，比如接近目的地时减速刹车，基本也是通过 P 算法来实现。
避障是基于 VO 算法思想，随手写的一个简易避障算法。因为没有精确的运动控制，只能沿用简单的 P 算法控制，再加上这是简单的单目标避障，最终效果并不好（特别是一个机器人跟在另一个机器人背后同向前进时）。以下是核心代码。
1# 计算碰撞区2collision_area_half_angle = numpy.arcsin(3 (bot_1_radius + bot_2_radius) / distance_list[bot_id_2]) # 碰撞区半角4# 适当增加碰撞区半角，但不超出最大值5if collision_area_half_angle * collision_area_half_angle_kp > numpy.pi / 2:6 collision_area_half_angle = numpy.pi / 27else:8 collision_area_half_angle *= collision_area_half_angle_kp9collision_area_center_angle = calculate_angle_between_bot(bot_id_1, bot_id_2) # 碰撞区中心方向角10collision_area_left_boundary_angle = collision_area_center_angle + collision_area_half_angle # 碰撞区左边界方向角11collision_area_right_boundary_angle = collision_area_center_angle - collision_area_half_angle # 碰撞区右边界角12# 计算机器人1相对于机器人2的速度13bot_1_relative_velocity_x = bot_1['linear_velocity'][0] - bot_2['linear_velocity'][0] # x方向相对速度14bot_1_relative_velocity_y = bot_1['linear_velocity'][1] - bot_2['linear_velocity'][1] # y方向相对速度15bot_1_relative_velocity_angle = numpy.arctan2(bot_1_relative_velocity_y,16 bot_1_relative_velocity_x) # 相对速度方向17# 如果相对速度方向和碰撞区中心方向角之差大于pi（例如碰撞区是负角度，但相对速度方向在其+2pi后的正角度区间内）18if numpy.abs(bot_1_relative_velocity_angle - collision_area_center_angle) > numpy.pi:19 # 变换到同号区间20 if bot_1_relative_velocity_angle < 0:21 bot_1_relative_velocity_angle += 2 * numpy.pi22 elif bot_1_relative_velocity_angle > 0:23 bot_1_relative_velocity_angle -= 2 * numpy.pi24# 如果相对速度方向在碰撞区内则会发生碰撞（恰巧在边界会相切，所以也避免），需要避让25if collision_area_right_boundary_angle < bot_1_relative_velocity_angle < collision_area_left_boundary_angle:26 # 检测离哪边边界近就往哪边转，直接和中心方向角比较即可27 # 离右边界近28 if bot_1_relative_velocity_angle < collision_area_center_angle:29 command['rotate'][bot_id_1] = min_rotate_velocity + angular_velocity_kp * (30 collision_area_right_boundary_angle - bot_1_relative_velocity_angle)31 # 离左边界近32 elif bot_1_relative_velocity_angle > collision_area_center_angle:33 command['rotate'][bot_id_1] = min_rotate_velocity + angular_velocity_kp * (34 collision_area_left_boundary_angle - bot_1_relative_velocity_angle)35 # 恰好位于中间36 else:37 # 查看目前的角速度方向，往当前已有的角速度方向转，角速度为0则默认顺时针旋转38 # 角速度大于0，即逆时针旋转中39 if bot_1['angular_velocity'] > 0:40 command['rotate'][bot_id_1] = min_rotate_velocity + angular_velocity_kp * (41 collision_area_left_boundary_angle - bot_1_relative_velocity_angle)42 # 角速度小于0，即顺时针旋转中43 elif bot_1['angular_velocity'] < 0:44 command['rotate'][bot_id_1] = min_rotate_velocity + angular_velocity_kp * (45 collision_area_right_boundary_angle - bot_1_relative_velocity_angle)46 # 角速度为0，默认顺时针旋转47 else:48 command['rotate'][bot_id_1] = min_rotate_velocity + angular_velocity_kp * (49 collision_area_right_boundary_angle - bot_1_relative_velocity_angle)可见算法依然十分暴力简单，如果有更好的运动控制算法，避障算法也不至于做得这么简陋（算法其实后期优化过，但测试效果不好故没有保留）。至于上文所说的当一个机器人跟在另一个机器人背后同向而行时会出现问题，就是在这种情况下若被判定为会碰撞，两个机器人都会执行避让（实际上前面的机器人并不需要避让，甚至后面的也可能不需要避让），然后两个机器人都开始偏离目标角度并减速，最终导致两机器人相距很近相互纠缠着低速前进，直到分开。这个问题可以在出现这种情况时禁止前面的机器人执行避障来解决。
任务分配的基础策略是根据产品优先级：7 > (4, 5, 6) > (1, 2, 3)，当机器人空闲的时候会按照此优先级去购买产品。对于同等优先级内的产品，采用的策略是机器人从当前位置到购买工作台的距离与从购买工作台到出售工作台的距离之和最短来选取购买和出售两个目标工作台。
除此之外还有几个强化策略，分别是抢占购买、原地购买、动态优先级和禁用工作台。
抢占购买是当某机器人空闲时发现某已分配的任务由它来执行比原执行该任务的机器人剩余路径短得多，则抢占该任务执行，被抢占机器人重新分配任务。
原地购买是当机器人出售完物品后，其所在工作台有需要购买的产品已生产完毕或剩余生产时间很短，则原地购买该工作台的产品去出售，这个策略也带有抢占性质。
动态优先级（正式赛加入）是在某些 4、5、6 物品合成非常不平均的情况下使用的策略，通过改变产品优先级来优先分配合成当前数量较少的物品的任务，达到平衡 4、5、6 物品数量的目的，有利于物品 7 的合成。
禁用工作台（正式赛加入）是当工作台数量过多时使用的策略，用于避免合成原料过于分散。虽然可以通过判断工作台原材料格情况来决定先出售到哪个工作台，以此使原料更集中，但是实际测试中发现通过简单直接的禁用部分工作台的方法即可解决这个问题并得到不错的效果。
动态优先级和禁用工作台策略实际上就是针对正式赛地图优化的产物，除此之外还有还有其他针对性的小措施，如调整出售工作台类别等，基本都没有通用性。
初赛正式赛四张图分数分别是 684678、771579、824985、641533，共 2922775 分，位列粤港澳赛区第 58 名（粤港澳真的太卷了啊）。
不得不说，今年软挑的题目十分有趣好玩，赛题组也十分用心。看着小机器人从跌跌撞撞不会走路到丝滑移动甚至漂移避障，每一次改进策略后分数的提升都能给我带来一阵喜悦。
第一次参加软挑，没什么经验，大部分算法纯属自己瞎整，各种不想写复杂算法的妥协如滚雪球般慢慢积累，最终很多地方不得不一再妥协、简化，导致效果并不好，这是一大败笔。基础算法是一定要做好的，否则会影响后续各种算法的发挥。
总的来说，参赛体验十分不错，明年再战！
本文写作风格学习自 水滴酱，封面由 AI 生成。
太阳完全下沉到了城市的另一边，污血色的晚霞像是天空红肿的伤口，慢慢化作紫绀色，像是黄昏的尸斑。
“你到底去哪了？”我像具行尸走肉一样游荡在大街上，身旁的路人像看到怪物一般，瞳孔里充满惊恐，拉开与我的距离快速走过。
嘀嘀嘀，我的手机响了起来。
我颤抖着从口袋里摸出手机，打开手机——那是我用她照片做的锁屏壁纸。手机里的她红着脸，静静地看着我。她那蓝黑色的瞳孔，深邃得像要把一切吸进去。
再也忍不住了，我看也没看就按下了电源键，终于让这刺耳无比的闹钟声停了下来。
头顶两旁的霓虹灯病变般地分裂，在黑夜中蔓延，这将死般的灯光却丝毫不能照亮我的身躯。
“你到底去哪了……”我像个疯子一般重复着这句话。
下雨了。
我停止了发出声音，热闹的街道仿佛顷刻消失，随后而来的是一片寂静，只听得见那仿佛永不停息的污浊雨水在四周轰鸣。
第一次遇见她的时候，也是在这条下雨的街道上。
“为什么又要离开我……”
已经不知道是第几次经历分手的痛苦了，我算是彻底死心了，在路边的夜宵摊上喝得大醉。
踉跄地走到街上，一滴滴冰冷的触感打在我身上。没带伞，就这么回去吧。 啪嗒，我一脚踩到一个水坑上，本来积水上反射着的暗淡的霓虹灯的光芒被我打散，扭曲，旋转，积水里的世界就这样碎裂，暧昧摇曳，迷幻绝望。
从口袋里摸出一盒烟，打开盒盖挑了一支叼在嘴上。雨里点烟有点困难，但还是点着了。为了不让它被这不懂事的雨淋湿，我深深地吸了一口，眼前那点橙红色的微弱荧光猛地变亮，随后又慢慢暗淡下去，正如小时候和父母一起在河岸边看的烟花一样。
十几年前在我很小的时候，我的父母因故去世，后来被人收养长大。如今我一个人远离家乡在外打工，陪伴我的只有老板的辱骂、房东的催租、朋友的嘲讽，如今又被女朋友抛弃。我真的一无所有。
“……果然我还是没用啊。”
好像喝得有点太多了，我的胃里翻江倒海，糜烂腐臭的内容物伴随着浓稠的黄绿色液体从我的食道涌出，烟也掉到了地上，失去最后那一点微光。
我难受得捂着自己的胸膛。
咚，咚，咚……
这或许是我活在这个世界上的唯一证明吧。
吐了许久，我抬起头准备继续走回家。
嗯？
在惨白的 LED 灯光下，一个头戴黑色猫耳装饰，飘着一头水蓝色头发，身穿黑色外套，下摆露出一小截短裙的少女正看向我的方向，身后好像还有一条垂至小腿的黑色尾巴在随风摇摆。她表情看上去很茫然，蓝黑色瞳孔中反射着昏黄的路灯。雨滴滴落在她娇嫩的脸上，像是一滴滴泪珠，发丝也被黏在了脸上。
当我回过神来时，我已经走到了少女面前。
似乎是感受到了我的视线，她望向我的眼睛。
“可以带我回家吗？”
吱呀。
我关上了出租屋的房门。
房间内一览无余，仅有必用的几件家具。
少女就这样怔怔地站在这小小房间的正中心。灯泡的灯光从她的头顶洒落，宛同圣女。
圣洁。
与初遇时不同，此时她蓝宝石般的眼睛充满光泽，清澈无比。
少女的体香就像腐烂的水果，这股甜腻的香味逐渐氤氲在这小小的空间中，越发令人沉迷其中无法自拔。
我和她的距离不到 30 厘米。我开始后悔了，借着这酒劲我干了什么事啊，拐骗少女回家可是犯法的啊。
少女突然抬起头，凝视着我的眼睛。她的眼睛中映出了我这张憔悴又丑陋的脸。我实在是受不了这目光，躲开了她的视线，眼睛看向了她的头顶。
这猫耳头饰做得真精致啊，就跟真的一样……嗯？这也太真了吧？！
被眼前这一幕吓到的我往后退了两步，脚踩到了扔在地上的玻璃啤酒瓶，脚直接向前做了个加速运动，而上半身被牛顿留在了原地。
我摔倒了在她面前。
头砸在了墙上，摔得好痛。
我惊恐地看着她，但后脑勺却传来一阵睡意，我的眼睛不受控制地合上，在视野剩下一条线时，我看到了她的嘴角微微上翘，但又渐渐变成淡淡的哀伤。
后脑勺传来一阵痛感，但仿佛枕在柔软的云朵之上，那是我未曾感受过的舒适。
我强硬地与刺眼的灯光作斗争，缓缓地睁开眼睛。
那是一片蓝色，天空？
在短暂的失明后，那个少女出现在我的眼前，她长长的蓝色发尾刚好垂到我的脸颊上，弄出阵阵痒意。少女的香味让我更加迷失其中。
这角度，就是膝枕吧……没想到我这个废物的一生也有这样美好的瞬间啊……
突然，我的脑海中浮现出晕倒之前看到的画面——两个无比真实的猫耳朵长在这个少女头上。我的眼睛再次充满惊恐，而她的眼睛始终凝视着我，我甚至能在她眼睛中看到我现在这狼狈样。不知道是被吓到还是对现在这种美妙感受的迷恋，我的身体一点动作都没有。她嘴角再次勾出那一抹轻轻的笑意，猛地弯下腰，她的脸猛地贴近，近到能感受到彼此的呼吸。
“我确实是只猫哦~”
“喵~”
窗外的雨还在下着，狂躁的风裹挟着摇曳的雨幕，拍打着缺了一角的窗玻璃，感觉随时都要碎裂。窗外天旋地转，整座城市仿佛都在扭曲，旋转，扭曲，旋转……
猫娘——
不怎么混二次元的我的脑中冒出了这个词。
传说中化作人形的猫？可是这东西真的现实存在吗？
管他呢，有这样的美少女陪着你还不知足？
……
脑内逐渐变得浓稠起来，又突然被稀释。
……
我艰难地动了动眼皮，尝试睁开了眼睛。原来我睡在了床上啊。
下一刻，我突然意识到了我胸上的被子仿佛重了千斤，但是十分柔软，并且异常温暖……
是那个少女。
她就静静地趴在我身上。
温柔而缓慢的呼吸。
微弱而规律的心跳。
我贪恋着这份从来没有感受过的温暖，似乎要把我融化在其中。我腾出两只手轻轻把她抱在怀中，似乎接受了她的存在。
她头顶上两只毛茸茸的耳朵突然颤了一颤。
“你在哭吗？”少女突然开口，这慵懒的声线却异常可爱，我不禁起了一身鸡皮疙瘩。
“没……没哭啊。”刚说出这句话，我就感觉到，我的枕头似乎是湿的。
嗯？好像我的衣服也是湿的。
“哭的是你吧？”我轻声问道。
两只猫耳朵又颤了一颤，随后轻轻起身，两只手支撑在床上，她那可爱娇嫩的脸就这么悬在我的脸上方。
好近。
少女脸两旁天蓝色的头发就这样顺着我的脸两旁下垂，仿佛给我们两个脸庞之间降下了一道帷幕，形成了一个只有我们两个人的私密空间。
她蓝色的眼睛中映出我的脸，随后突然变得暗淡无光，同万丈深渊一般，似乎要把面前的我和这小小的空间吸入。
少女什么都没说，便又重新趴在我的胸膛上。
“你想知道我为什么哭吗？”
“嗯。”
“很久以前，我的主人非常疼爱我，会给我做好吃的，会和我玩，会和我去看烟花……”
……
“可是后来，他们性情大变，我却成为了他们迁怒的对象，发泄的工具……”
……
说了很久以后，她开始啜泣起来。两只猫耳朵一抖一抖，那娇怜的样子，让我心疼。
“……那你没有反抗过吗？”我从嘴里艰难地挤出了一句话，但下一刻就觉得这个问题问得很傻瓜。
“不会的哦。像我们这种物种，都知道自己相对锦衣玉食的生活是靠着绝世的容颜和温顺的性情从主人那换来的。如果反抗的话……或许连在社会上最后的保护都没有了呢……”
“但是他们越来越变本加厉，把我扔到外面，就这样抛弃我了。或许我们本该就是这样被用完即弃的吧……”
用完即弃……
后面的故事就是在那下雨的街道上遇上了我并且被我带回家。
“你就不怕我也是这样的人吗？”我又不小心问了一个直男问题。
少女沉默了一会。
“不会的哦~”
“我在你的眼睛里看到了和他们不一样的东西~”
说实话，那只是我失恋后绝望痛苦的眼神罢了。
“我本不想再找一个新家了，可是我……看到了你，你的眼睛里满是痛苦与悲伤，而且凝视我时，有一种……压抑不住的同情与怜爱。”
“你又为什么哭呢？”
少女用双手把自己的身体撑起来从我身上离开，然后顺势倒在我的身侧，像恋人一样，把我抱入她那温暖的怀中。
“我……”
“……就是这样罢了。”
少女一直把我环抱在她的怀中，任由太阳升得越来越高，阳光洒落在我们两人身上。
我试图压抑着自己的情绪，可眼泪还是不争气的往外流。
太羞耻了啊，我居然在一个女孩子的怀里哭。
少女轻轻笑着，抽出手帮我擦去眼角剩余的眼泪，又将我紧紧抱在怀中。
“你已经很优秀了哦~”
从她柔软身体上传来的温暖，让我从来没有感受过如此的安心。
“让我们开始新的生活吧喵~”
两只猫耳朵直直地竖了起来。
我用我那蹩脚的厨艺，在被油烟熏得焦黄的厨房里，做了两份“人体生命体征保持餐”。没错，仅仅只是能吃而已，味道什么的就不要管啦。
少女正乖巧地坐在餐桌旁的椅子上，黑色的尾巴高高竖起。
我把两份饭端了出来，推一份到她面前，然后坐在了她对面。
她低下头闻了一闻，然后尝试性地吃了一口。
“喵！好难吃！”
这一瞬间我有点无地自容，没想到吐槽会来得这么快而且这么直白。
大概是看到我微妙的表情，少女又低下头去继续吃了。嘴上说着嫌弃，身体还是很诚实的嘛！
等我们两个都吃完以后，她直勾勾地盯着我的眼睛。
“以后还是我来做饭吧喵。”
欸？还有这等好事？我立马就答应了，作为交换我答应了她每天晚上要陪她玩。
她真的好可爱。
看着她，我突然想到了一件事。
我慢慢靠近了她。
我伸出了我的手，慢慢靠近她的侧脸。
她的脸微微泛红，眼睛躲开了我的视线。
我轻轻地触碰到了她那嫩滑的侧脸，温柔地抚摸着她的脸颊，然后轻轻撩起了她侧脸的那一撮蓝发……
“真的有四只耳朵！！”
我没忍住惊呼出来，猫娘到底有四只耳朵还是两只耳朵的事情之前已经困扰我很久了。
少女白了我一眼，红红的脸颊看着似乎有点生气。
“信不信我挠你！”
她作势要挠我，被我一下躲开。然后一人一猫就这样扭打在了一起，轻松的气氛充满了整个房间。
接下来的几天，我逐渐适应了有她在我身边的生活。
早上上班前能吃到热腾腾的早餐，晚上下班回到家有人欢迎并且做好了一桌子菜等着我回来，闲下来以后陪她玩一会……
我从未感觉生活如此美好。
一天我下班后去了医院看医生，因为最近几天有时头疼得厉害。医生给我开了一瓶新药，我便直接回家了。
“欢迎回家喵~”推开门少女依然像往常一样站在门口迎接我。
我摸了摸她的头，两只耳朵即时直立了起来，看起来好有精神呢。
和她一起吃完饭，我把今晚要吃的药吃下，然后像往常一样陪她玩。原来猫娘也喜欢逗猫棒啊。
为了不会忘记吃药，我在手机上调好了闹钟，每到吃药时间闹钟就会响起，这样就不会忘啦。
到了睡觉时间，她像往常一样缩到我的怀里。
好暖，好幸福。
但突然间一种郁闷感浮上我的心头。我在想，会不会一旦接触过这种温暖，我就再也回不去了呢？
少女也似乎察觉了我的异样。
“人类真奇怪，眼前明明还能看到微弱烛光，却还要为将来的黑暗提前感到害怕。”
少女的话安抚了我。至少我现在是幸福的，未来，管他呢。
我轻轻抱着她，慢慢睡着了。
这几天不知道为什么，我们两个之间的感觉似乎有点低气压。
她还是会像往常一样欢迎下班的我回家，给我做饭，但是好像和往常又有点不同，两只耳朵经常是耷拉着的。
我试图通过摸她头和用逗猫棒逗她来让她精神点，有点用，但过不了多久又会变得无神。
今天我因为剧烈的头疼和头晕在公司请了一天假，她一直在我身边照顾着我。
“还是先睡觉休息会吧喵。”
我躺在床上，在她温柔的抚摸之下，听着她柔弱的呼吸声迷迷糊糊地睡着了。
不知道睡了多久，我被手机的闹钟吵醒。
我睁开粘连在一起的眼皮摸到了手机把闹钟关掉。
奇怪，她居然没有在床边陪我。
我顶着混乱的脑子站了起来，走出去看看这猫在干什么。
扫视了一眼，我的心开始紧张起来——她不见了。
从未有过如此崩溃的感觉，我两腿一软，一屁股坐在了地上。我全身颤抖，不断在地上蠕动。
好痛，像是身体裂开了一样。
“不会的……不会的，她一定只是出去了……”我嘴唇不断抖出这句话。
我要出去找她。
一天……
两天……
三天……
日日夜夜，不知疲倦。
不断往复，夜以继日。
“你到底去哪了……”
手机响起我也无心停下，手无情地摸到电源键关掉。我心里只有一个声音——快点找到她。
我的头晕头痛又发作了，可是为了她，我不能停下。
日日夜夜，夜以继日。
如是往复，永不停歇。
究竟已经过去多少天了？
我只知道我依然没找她。
下雨了。
我停止了发出声音，热闹的街道仿佛顷刻消失，随后而来的是一片寂静，只听得见那仿佛永不停息的污浊雨水在四周轰鸣。
又走到了那个熟悉的地方，我无力地望向第一次遇见她的那个方向。
会有奇迹吗？
在惨白的 LED 灯光下，一个头戴黑色猫耳装饰，飘着一头水蓝色头发，身穿黑色外套，下摆露出一小截短裙的少女正看向我的方向，身后好像还有一条垂至小腿的黑色尾巴在随风摇摆。
我的脑袋顿时炸开。
和那天一模一样。
我欣喜地朝着她的方向跑去，但她也一转身，向黑暗中跑去。
“等等我！”
我在她身后穷追不舍，绝对不能让她跑掉。
少女窜进了一栋楼里，迅速走进电梯按下楼顶的按钮。
“陪我到楼顶看烟花哦~”
我没能赶上电梯，电梯门最后的一丝缝隙砰的一声关上。
楼梯，快跑。
我感觉到我的肺就像一个被人强行吹起的气球，时时刻刻快要炸裂了。
终于跑到楼顶了，我大口喘着粗气。
砰——
一阵低沉的爆破音传到我的鼓膜。
我定定地看着站在楼顶边缘的她，她的眼瞳已经重新充满神采。
我慢慢地靠近她，一同凝视着这七彩流转的夜空。眼睛虚焦着向远方望去，万家灯火、蜿蜒车流、缤纷焰火，种种颜色化作浑圆不清的色块，映亮了我心中的空虚。
少女转过头来望着我，她的眼睛还是那么的清澈。
“要和我永远在一起吗？”
砰！！！——
象征着烟花表演结束的巨型烟花窜上天幕，直穿云霄，绽放的那一刻，是如此耀眼，照亮了整个夜空。短暂的美好很快就过去了，眼前的世界又逐渐的暗了下来。
灿烂只是一时的，黑夜才是永恒的。
她牵起了我的手，眼睛里倒映着我的模样——不知道多少天的高强度寻找，让我失神疲惫这个地步。
“要吗？”少女再次发出提问。
“要！”我的眼神里充满坚定，用力握住她的手。毕竟这样操蛋的生活，没了她又有什么意义呢。
夜晚的微风愈发浓稠，我在这浓稠液体中感到浮力越来越大，双脚离开了地面。
“让我们开始新的生活吧喵~”
一栋高楼发生了一男子坠亡事件，楼下现场拉上了警戒线，一群警察正在调查死者。
死者头戴着一对黑色猫耳头饰，腰间绑了一根 cosplay 用的黑色猫尾巴。
警察 A：“看看死者身上有没有什么物品吧。”
警察 B 摸了摸死者口袋，掏出了屏幕已经粉碎但还能正常点亮的手机，锁屏壁纸好像是死者自己的照片，也是戴着猫耳头饰。
嘀嘀嘀，手机响了起来，是闹钟。闹钟提醒上写着——吃药。
随后警察 B 又在死者口袋中掏出了一瓶药，药瓶上写着——氯丙嗪。
……
氯丙嗪适应症：
① 治疗精神病：用于控制精神分裂症或其他精神病的兴奋躁动、紧张不安、幻觉、妄想等症状，对忧郁症状及木僵症状的疗效较差。对Ⅱ型精神分裂症患者无效，甚至可加重病情。
② 镇吐：几乎对各种原因引起的呕吐，如尿毒症、胃肠炎、癌症、妊娠及药物引起的呕吐均有效。也可治疗顽固性呃逆。但对晕动病呕吐无效。
③ 低温麻醉及人工冬眠：用于低温麻醉时可防止休克发生。人工冬眠时，与哌替啶、异丙嗪配成冬眠合剂用于创伤性休克、中毒性休克、烧伤、高烧及甲状腺危象的辅助治疗。
④ 与镇痛药合用，治疗癌症晚期患者的剧痛。
⑤ 治疗心力衰竭。
⑥ 试用于治疗巨人症。
一段时间后，警察联系到该死者的家属，通知其来认尸。
录口供时，家属说到——
“这孩子其实是我十几年前在路边捡到的……”
“当时他身上浑身都是伤痕……”
“哪有这么没良心的父母啊把孩子打成这样还要抛弃……”