叶文霆 熊柏桥 董升华
README is lack of some important details and experiments, see more in 实验文档/
建立一张城市图表，城市之间有三种交通工具（汽车、火车和飞机）相连，某旅客于某一时刻向系统提出旅行要求，系统根据该旅客的要求为其设计一条旅行线路并输出；系统能查询当前时刻旅客所处的地点和状态（停留城市/所在交通工具）。
第一行一个整数 x，x=0表示是一个设计路线请求，x=1表示是一个查询请求，x=2表示是一个更改旅行计划。
当 x=0 时，第二行接受两个字符串，输入两个字符user_name，password，建立对应的旅行账户； 第三行输入字符串 s(source), d(destination) 和整数 type，表示要求设计一个从 s 城市到 d 城市，旅行策略为 type 的路线。 第四行输入整数Mid_Num，后面是 Mid_Num 个用空格分开的城市名，表示一定要经过的城市。
当 x=1 时，按行依次输入 user_name 和 password，表示查询对应账号的旅行状态。（允许错误输入三次）
当 x=2 时，按行依次输入 user_name 和 password，成功登陆后再输入一个整数 type，表示将当前的旅行计划改为type。
当输入中 x=0 时，输出新建立账户的 account ID。（输出五位数字）； 当输入中 x=1 时，输出对应用户在当前时间的所在地（若输入管理员账户，则输出所有用户的状态）； 当输入中 x=2 时，若更改成功则给出对应提示。
- 可维护性数据集的建立与动态修改
- 多线程的处理
- 用户的 ID,所在地,密码的保存
- 设计路线
- 必须经过若干点的要求
- 不同旅行策略的分别实现
- 实现图形化
考虑到相比于飞机，汽车与火车这类陆地交通方式受限于地缘因素，其交通网络的连通性没有航班的强。举例来说就是：我们考虑从福州到北京，飞机可以不受空间限制直接抵达北京，而火车很可能需要途径上海市作为中转，然后才能到达北京。出于这方面考虑，陆地交通网的建立会比建立空中交通网更为复杂。为了简化模型，在不失去问题普适性的前提下，我们做出以下假设：
- 两地之间有直达（不经过其他城市）的火车，当且仅当两地地缘上相邻。
- 对于每一种交通工具，其每天的时刻表是固定的。
其意义可以通过图1来直观的理解，即火车只能开在两地之间的边上。
基于以上两个假设，我们考虑两非相邻城市某车次的票价时，我们分别计算其每一条边上的费用，累加起来就是总费用。如Figure 2所示，假设我们要做 G28从福州到北京，我们用福州->合肥加上合肥->北京的票价之和793元来近似真实票价748元，误差为6.01%，说明在允许一定误差的情况下，假设合理。
在命令行版本中，考虑到是第一版本，我们保守地取城市的的个数为N=11。考虑到地缘因素，我们分散性的选取了北京市，沈阳市，呼和浩特市，乌鲁木齐市，西安市，郑州市，上海市，南京市，成都市，广州市和福州市作为我们的研究对象，并在地缘上相近的地区连一条边。
- 对于陆地交通网的时刻表与价格信息，我们通过使用 Python 在铁友网上面通过重复提交表单，利用正则表达式匹配出我们需要的时刻信息与价格（取二等座的价格）。同时为了使图不要过于冗余，城市对之间的重边不超过3个。
- 对于航班时刻表，我们不考虑中转航班（在实际中，国内航班里中转航班所占比例也不大），我们对于图中任意城市对都建立一条边，同样使用 Python，在去哪儿网上面查找对应的时刻表和价格信息。
class TravelPlan //存储用户旅行方案的类
{
public:
int source, destination, type;
std::vector<int> station;
};
class People
{
public:
void Simulate(const int&); //模拟经过多少时间 0 <= time <= 1
void Make_Route(const std::vector<int>&); //把计算出来的路线赋值给用户
TravelPlan Get_Plan();
private:
std::string name, password;
int id;
int location; //正表示停留在某一点上，负表示停留在某条边上 abs()为下标
int duration; //下次位置转移是什么时候
TravelPlan plan;
std::deque<int> route; //存储未来的旅行路线，存储元素是边序号
};
class TrafficNet //是不是有一种方法可以让整个程序只有一个实例？？
{
public:
void Plan_Route(People); //为用户规划路线
private:
class Line //内部类 表示一个交通线路
{
public:
std::string name; //线路名
Line *NextLine; //下一条边
int tail, LeaveTime, duration, cost; //tail该边的指向的点
};
class City
{
public:
Line *FirstLine; //第一条边
std::string name; //名字
};
City citys[MaxV];
int CheapWay[MaxV][MaxV]; //用来求两地最省钱的邻接矩阵
int MinCost[MaxV][MaxV]; //用 Floyd 算法求出的最省钱路线
};
TrafficNet net; 在最少费用策略中，我们不关心时间这一维对于路线选择的影响。为了省钱，我们可以花任意时间去等待下一辆最便宜的车。所以我们可以先用 Floyd 算法求出任意点对的最少的到达费用(可以事先处理为二位数据 MinCost[][],储存为离线文件"MinCost.dat",节省初始化时间)，剩下的就是考虑我们要怎样经过必经城市，能够使得我们费用最少。这个时候问题就转换为了标准的 TSP ，即旅行商问题。对于旅行商问题有以下两种做法：
第一种算法的思路是考虑这样一个状态表达：f[i,s],表示的是现在在城市 i，已经经过了 s 集合里的城市所花费的最少时间（s是一个station.size()位的二进制数，第 i 位为0表示未到达，1表示已到达），状态转移方程如下：
最后的答案显然是在 f[destination, {0, 1, 2,...,N-1}]中。这样状态空间的大小是 n*2^n,当必经城市的数目足够多（n >= 30），即用户要求设计大型旅游线路的时候，对于一个要求及时响应的模拟系统，这样的效率是不可接受的。
所以我们使用考虑使用效率更高的模拟退火算法
模拟退火的基本**:
(1) 初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)，每个T值的迭代次数L
(2) 对k=1，……，L做第(3)至第6步：
(3) 产生新解S′
(4) 计算增量Δt′=C(S′)-C(S)，其中C(S)为评价函数
(5) 若Δt′<0则接受S′作为新的当前解，否则以概率exp(-Δt′/T)接受S′作为新的当前解.
(6) 如果满足终止条件则输出当前解作为最优解，结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法。
(7) T逐渐减少，且T->0，然后转第2步。 Quoted from Baidu Encyclopedia 在模拟旅行系统中，我们作如下定义：
-
评价函数:即为当前解的总路径长度
-
产生新解：随机交换当前解中两个点的顺序
-
接收函数：接受函数。接受函数决定选择哪一个解决方案，从而可以*避免掉一些局部最优解。
首先我们检查如果相邻的解决方案是比我们目前的解决方案好，如果是，我们接受它。否则的话，我们需要考虑一下影响因素：
-
相邻的解决方案有多不好;
-
当前的温度有多高。在高温系统下更有可能接受较糟糕的解决方案。
这里我们使用指数型函数进行拟合，P = exp( (solutionEnergy – neighbourEnergy) / temperature )，即上面的 P(dE) = exp( dE/(kT) )
与最小费用策略不同在于，时间这一维在交通方式选择中起到了影响。我们先考虑一个简化问题：不考虑必经城市，在 time = k 时从城市 i 最早能在什么时间到城市 j （等待时间加转移时间）。这是一个三维的问题，首先由于加了时间，我们不能够使用简单的 Floyd 算法求解。考虑在我们的交通网中，有这么一个重要的性质：
由于飞机的速度远远快于陆地交通，因此两个点之间耗时最短的路径，节点个数一般很少，甚至可能就是连接两地的航班
再考虑到我们的图是一个稠密图，我们采用堆优化的Dijkstra算法。考虑到等车时间的存在，在每次新增加一个点x进入集合 S 时，我们松弛集合 V-S中的点时，要增加候车时间，即 (vihecle->depature + 24 - dist[x]) mod 24。(vihicle 是图中的边)
对于不同初始时刻， n 个顶点，我们需要用 O(n logn)的时间求最短路，预处理出leastTime[i][j][k]的时间应该是O(24*n^2*logn)。
All codes in this repository are licensed under the terms you may find in the file named "LICENSE" in this directory.