可视化 P 值对配送成本、客户效用、紧凑性和车辆数量的影响

在配送优化问题中，我们通常需要考虑多个目标，例如配送成本、客户效用、紧凑性和车辆数量。为了更好地理解 P 值对这些目标的影响，我们可以将不同 P 值下的目标值进行可视化比较。

如何在一张图上展示

为了在一张图上展示三种 P 值 (6、7、8) 下，考虑均衡性和不考虑均衡性的配送成本、客户效用、紧凑性和车辆数量四个目标的比较，我们可以使用子图的方式。每个子图展示一个目标，每个目标的子图又包含考虑均衡性和不考虑均衡性的两种情况。例如，可以将配送成本、客户效用、紧凑性和车辆数量分别用四个子图展示，每个子图中分别使用不同的线型或颜色来区分考虑均衡性和不考虑均衡性的结果。

最合适的展示方式

以下是一些可行的展示方式：

使用不同的图例: 在每个子图中使用不同的图例来表示考虑均衡性和不考虑均衡性的结果，例如，使用实线表示考虑均衡性的结果，使用虚线表示不考虑均衡性的结果。
在每个子图中使用不同的标记: 在每个子图中使用不同的标记来表示不同的 P 值，例如，使用圆圈表示 P=6，使用正方形表示 P=7，使用三角形表示 P=8。
在坐标轴上标注目标值: 在每个子图的坐标轴上标注目标值，以便比较不同 P 值的结果。
组织成一个完整的图表: 将所有子图组织成一个完整的图表，并使用标题和标签来说明各个子图的含义和比较结果。

Python 代码示例

以下是一个 Python 代码示例，用于可视化三种 P 值的四个目标比较：

import matplotlib.pyplot as plt

# 配送成本数据
costs_p6 = [100, 90, 80]
costs_p7 = [110, 95, 85]
costs_p8 = [120, 100, 90]

# 客户效用数据
utility_p6 = [0.9, 0.85, 0.8]
utility_p7 = [0.92, 0.87, 0.82]
utility_p8 = [0.94, 0.89, 0.84]

# 紧凑性数据
compactness_p6 = [0.75, 0.7, 0.65]
compactness_p7 = [0.77, 0.72, 0.67]
compactness_p8 = [0.79, 0.74, 0.69]

# 车辆数量数据
vehicles_p6 = [5, 4, 3]
vehicles_p7 = [6, 5, 4]
vehicles_p8 = [7, 6, 5]

# 绘制子图
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(10,8))

# 配送成本子图
axs[0, 0].plot([6, 7, 8], costs_p6, marker='o', label='P=6')
axs[0, 0].plot([6, 7, 8], costs_p7, marker='s', label='P=7')
axs[0, 0].plot([6, 7, 8], costs_p8, marker='^', label='P=8')
axs[0, 0].set_xlabel('P value')
axs[0, 0].set_ylabel('Delivery cost')
axs[0, 0].legend()

# 客户效用子图
axs[0, 1].plot([6, 7, 8], utility_p6, marker='o', label='P=6')
axs[0, 1].plot([6, 7, 8], utility_p7, marker='s', label='P=7')
axs[0, 1].plot([6, 7, 8], utility_p8, marker='^', label='P=8')
axs[0, 1].set_xlabel('P value')
axs[0, 1].set_ylabel('Customer utility')
axs[0, 1].legend()

# 紧凑性子图
axs[1, 0].plot([6, 7, 8], compactness_p6, marker='o', label='P=6')
axs[1, 0].plot([6, 7, 8], compactness_p7, marker='s', label='P=7')
axs[1, 0].plot([6, 7, 8], compactness_p8, marker='^', label='P=8')
axs[1, 0].set_xlabel('P value')
axs[1, 0].set_ylabel('Compactness')
axs[1, 0].legend()

# 车辆数量子图
axs[1, 1].plot([6, 7, 8], vehicles_p6, marker='o', label='P=6')
axs[1, 1].plot([6, 7, 8], vehicles_p7, marker='s', label='P=7')
axs[1, 1].plot([6, 7, 8], vehicles_p8, marker='^', label='P=8')
axs[1, 1].set_xlabel('P value')
axs[1, 1].set_ylabel('Number of vehicles')
axs[1, 1].legend()

# 标题和标签
fig.suptitle('Comparison of objectives for different P values')
fig.tight_layout(rect=[0, 0.03, 1, 0.95])

plt.show()

该代码将四个子图组织成一个2x2的图表，并使用不同的标记来表示不同的P值。每个子图都有自己的坐标轴和标签，以便比较不同P值的结果。最后，使用标题和标签来说明整个图表的含义和比较结果。

通过这种可视化方法，我们可以清楚地看到 P 值对配送成本、客户效用、紧凑性和车辆数量的影响，并帮助我们更好地理解不同 P 值下的解决方案差异。