Google的优化工具：
程序实现肯定好，但是如果想要满足需求还需要进一步加入动态的，考虑到该工具可以支持有初始路径的场景进行方案分配，那么就可以满足实时更新的要求，把每天分为多个时间段，在每个时间段内看作是一个静态的VRP问题。那这个程序不需要进行太大的改造就还可以，还有一个关键的问题是，评价指标在这个程序中如何体现？
E-ACO的方案：
需要自己从零开始写起，效果不一定好，还费时费力
老马方案：
在原来的三种静态方案上修修补补。可是要如何修改呢？可研报中是说可以借助蚁群算法、遗传算法等启发式算法进行改进，同时利用强化学习不断提高系统的能力。
这种方案需要在原来的已经成型的静态方案中进行修改，那首先就是要了解原来的静态方案，要不然怎么修改呢？现在又拿不到之前静态方案的demo，想要做只能自己看懂java然后去写出来demo，然后在此之上再去修改为动态的.
又想到似乎可以把google的方案包装一下，直接拿来用不太妥，
第一， 需要时动态的，那可以按照杭电论文的观点，把一天分为多个时间段，将动态问题静态化。
第二， 反正之前说过要用强化学习来进一步增强的，那就在google的基础上加上强化学习的部分。
第三， 这样来做工作量似乎最小。
那接下查一查这种VRP问题怎么用强化学习？
查找到了用强化学习解决VRP问题的外文文章，Deep Reinforcement Learning for Solving the Vehicle Routing Problem，接下来看这篇文章如何解决，并且看看是否有源码。
