算法优化一般目标是：缩小搜索范围，以找到最佳（或接近最佳）的解决方案。
算法优化不得不提软件是OR-Tools ：https://developers.google.com/optimization
安装：
python -m pip install --upgrade --user ortools# LINUX sudo apt-get -y install python3-dev python3-wheel python3-setuptools python3-six # for check version python3 --version python3 -c "import platform; print(platform.architecture()[0])" python3 -m pip --version # install python -m pip install -U --user ortools # uninstall python -m pip uninstall ortools # for test python -c "from ortools.linear_solver import pywraplp" # mac # brew update /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" brew update # install python3 brew install python python3 -m pip install -U --user wheel six # install and uninstall save as linux
使用：
OR-Tools是一个用于优化的开源软件套件，可解决世界上最棘手的问题，包括车辆路线，流量，整数和线性编程以及约束编程。vehicle routing, flows, integer and linear programming, and constraint programming.
车辆路线：找到在有限制的情况下（例如，“这辆卡车的重量不能超过20,000磅”或“必须在两个小时内完成所有送货”）来提取和运送包裹的车队的最佳路线。计划：针对一组固定的机器或其他资源，找到一组复杂任务的最佳计划，其中一些任务需要先执行。垃圾箱包装：将尽可能多的各种大小的物品装入最大容量的固定数量的垃圾箱中。 在大多数情况下，诸如此类的问题具有大量可能的解决方案，以至于计算机无法一一搜索它们。为了克服这个问题，OR-Tools使用最先进的算法来缩小搜索范围，以找到最佳（或接近最佳）的解决方案。
OR-Tools包括用于以下方面的求解器：
约束编程：用于找到表示为约束的问题的可行解决方案的一组技术（例如，一个房间不能同时用于两个事件，或者到农作物的距离必须小于软管的长度，或不超过五个电视节目可以立即录制）。线性和混合整数编程：Glop线性优化器在给定一组线性不等式作为约束的情况下，找到了线性目标函数的最优值（例如，分配人员到工作中，或在最小化成本的同时找到一组资源的最佳分配）。 Glop和混合整数编程软件SCIP也可以通过Google Apps脚本优化服务获得。车辆路线：一个专门的库，用于在给定约束的情况下识别最佳车辆路线。图算法：用于在图形，最小成本流，最大流和线性和分配中查找最短路径的代码。
什么是优化问题？ 优化的目的是从大量可能的解决方案中找到最佳的解决方案。
假设一家运输公司使用卡车车队向其客户运送包裹。每天，公司必须为卡车分配包裹，然后为每辆卡车选择运送包裹的路线。根据卡车的总行驶距离以及可能的其他因素，每种可能的包裹和路线分配都有成本。问题在于如何选择成本最低的包裹和路线。
像所有优化问题一样，此问题包含以下元素：
目标-您要优化的数量。在上面的示例中，目标是最小化成本。要设置优化问题，您需要定义一个函数，该函数可以为任何可能的解决方案计算目标值。这称为目标函数objective function。在前面的示例中，目标函数将计算包裹和路线的任何分配的总成本。最佳解决方案是目标函数的值最佳的解决方案。 （“最佳”可以是最大值或最小值。）约束-根据问题的特定要求，对可能的解决方案集的约束。例如，如果运输公司无法将超过给定重量的包裹分配给卡车，这将对解决方案造成限制。一种可行的解决方案是满足问题的所有给定约束，而不必是最优的。 解决优化问题的第一步是确定目标和约束。
确定您要解决的问题的类型 世界上有许多不同类型的优化问题。对于每种类型的问题，都有不同的方法和算法来找到最佳解决方案。在开始编写程序来解决优化问题之前，您需要确定要处理的问题的类型，然后选择合适的求解器-一种用于查找最佳解决方案的算法。
Linear optimizationConstraint optimizationMixed-integer optimizationBin packingNetwork flowsAssignmentSchedulingRouting线性和约束优化请参考：https://blog.csdn.net/AS7062031/article/details/108327552
