2019华为软件精英挑战赛分享

一.写在前面的话

二、语言选择

三、判题器实现

四、回溯解死锁

四、发车时间设计

五、寻路设计

六、写在最后的话

一.写在前面的话

第一次参加软件精英挑战赛,复赛最后打了第六名,队名是行车不规范亲人两行泪，我们上台时候，主持人都说这队名真应景啊…就差两名就可以进决赛了，但是不得不说前面的大佬真的是太强了,把我们甩的贼老远。不过也没什么遗憾，复赛练习赛时候也差不多是5-8名左右,所以正式比赛就想着要保住前十，别拿第五(感谢第五老铁抗雷…),最好第六,也算是如愿以偿了。

代码和数据在git上面：https://github.com/zhangbaodan/2019HUAWEI

主要分享下解死锁思路以及寻路那边的一些特征提取。如果您觉得有帮助的话，记得git上面点个小星星哇～

再放张队名图片(美工小姐姐真的是太用心了)

二、语言选择

和往年一样，今年也开放了三种语言c++,java,python。最开始接触这个题时候，感觉用不到机器学习的东西（我们太菜，想了半天没想到，大佬估计用得到）。所以就把python给pass掉了，毕竟这玩意运行起来太慢了，后面也有很多队吃了这个语言的亏。c++写起来太复杂（主要是我c++写的太菜，我的c++ = c + stl），所以把c++也pass掉了。而且感觉这个比赛car,road,cross刚好三个类，java写起来会比较顺手，而且很多封装的类写起来也比较方便，运行时间上面也和c++差距不是很大,所以最后选择了java（西北复赛32个队里面，只有三个java,四个pyhon，看来c++大佬是真的多）。

三、判题器实现

周五放的比赛，晚上时候经过讨论，决定先把判题器撸出来，做出这个决定着实不容易，光规则就有19页，能不能撸出来真的不好说，但还是决定赌一把（真的感谢当初这个决定）。那么，对于计算机来说，每次我只能更新一辆车，哪以什么样的方式把所有车都更新完呢？那时候，官方还没有更新任何有关判题器逻辑的东西，所以都只能自己想。我们决定按ID顺序遍历所有的车辆，对于某一个车辆，如果有车辆影响到它的更新，那么就一直深度遍历更新下去（官方采用按cross和road方式遍历，事实证明他们的思路更清晰，实现起来也更容易），这是我们一开始写的逻辑图：

最开始打算按照车辆去遍历，如果遇到影响当前车辆更新的车辆，那么就一直DFS更新下去，看上去漏洞百出，和官方给出的逻辑完全不一样，但也就还是按着这玩意撸了。差不多撸了两三天，一个看上去能用，实际完全用不了的判题器就横空出世了。然后路径规划那块搞了搞，算是能用了。过了一周以后，官方可以线上提交代码了，第一天晚上提交时候各种死锁。把发车时间打的很散以后终于跑通了，两张图跑了80000左右…

实现这玩意着实不容易，尤其最开始官方啥都没说的时候，每天就是一边撸，一边看官方的论坛回复，看看有没有自己没有注意到的问题，而且是一边看官方回复，一边怀疑官方回复是不是错的，因为在有点地方，我们按照他的逻辑改，反而更不准了，最后索性都不看论坛了（事实证明，永远不要怀疑官方...）。

很遗憾的是，官方在初赛后期几乎完全公布了判题器逻辑时候，由于那时候我们判题器逻辑已经定型了（不太准），看了他们的逻辑，感觉差不多，就没有完全按照他们的逻辑去改。这一下子偷懒，直接导致我们一个星期死在判题器上面。后面实在找不到BUG了，就痛定思痛，把直接写的逻辑全删，完全按照官方的逻辑去写（连命名都和官方一模一样），结果很神奇的就一致了。

然而，我们一直偷了一个懒。官方之前一直强调cross的ID不保证连续，直到初赛比赛的早上，我才火急火燎的改成不连续读取，但是判题器按照路口ID升序遍历那块忘记改了，导致判题器不准。再加上我们回溯方案很耗时间，初赛练习赛时候没有表现出来，正式比赛时候，数据量一上去，我们立马就超时了。只能换回一个星期以前的思路（没有回溯），胡乱调参，还好苟进复赛了（24/32)。

复赛时候，由于增加了优先级车辆以及预置车辆，所以判题器需要大改。官方索性放出了完整的逻辑导图（这逻辑图是真的清晰，什么时候才能写出这么优雅的逻辑）。有了初赛踩坑经历，这次我们决定一模一样复现他的逻辑（名字都一样）。差不多在复赛前一个星期，线上线下完全一致了（总时间后几位不一致，这是因为四舍五入的关系，所以没太在意），提交上去一页都是提交成功（绿色）的感觉是真的爽。

总之，对于我们队来说，复现别人的东西也是一个不小的难题。一定要坚信官方是对的（就像代码给你报bug，绝对不能怀疑编辑器，一定要有对不起，都是我的错，我一定改的态度一样），坚持弄下去，一定能搞出来！

四、回溯解死锁

当发生死锁的时候，我们可以获得死锁对应的车辆以及对应的路和路口。如果我们能够事先对这些车辆以及路口做一定的管控的话，死锁就不会发生了。

最简单的方法是，当发生死锁后，让时光倒流，回到过去，然后做一定的调整，也就是回溯解锁的办法。首先，我们来说下如何回溯，不管采用何种回溯解锁思路，前提条件是能回的去。比如在第100秒时候发生死锁，如何回到90秒？一种很暴力的思想是重头仿真到90秒，这种方案肯定用不了，太耗时了。我们在初赛时候，采用的方案是，对于每一秒，我们都记录下该时刻对应的所有仿真信息。如果想回到90秒，只要读取对应实现记录的信息，做一个替换就好了。（这里在工程上需要注意的是深拷贝和浅拷贝的问题，我们一定要做深拷贝，浅拷贝会导致地址共用，会出很多BUG）。

然而...每一次记录都需要话很大的时间（如果车辆数很多的话，代价更大），这也直接导致我们初赛代码超时。复赛时候，我们采用每隔10秒记录一次信息，这样整个耗时相比于原来就小了10倍，而且这样的操作对回溯并没有产生很大的影响，发生死锁后，我们只需要退回到最近的记录的时间片就可以了。

回溯后，一般采用的是回溯改路或者回溯不发车的思想，我们采用的是后者，比如在第100秒时候发生死锁，记录发生死锁车辆以及发生死锁路口（以及路口周围的路口）。然后回到90秒（有一个类用于保存对应时间片的所有仿真信息，将90秒到100秒记为forbidTime。期间有三个策略来尽量保证再次回到100秒时候，不会发生死锁：

1、100秒发生死锁的车辆不允许在这期间发车（如果它原来实在这期间发车话）；

2、死锁路口以及周围路口不允许发车；

3、全图允许存在的车辆数按百分比减小，因为我们有个很大的参数是控制当前地图下最大允许存在的车辆数，把这个参数减小以后，也会降低死锁可能性。

当然，在这三种策略下也不能百分百保证第100秒时候不发生死锁。我们的策略是如果不行，就再往会倒10秒，回到80秒，如果还不行就继续往回倒...，当然，往回倒多少次取决于当前最大记录了多少时间片信息。往回倒的时间片越多，在第100秒时候，整个车辆数就越小，发生死锁可能性就越小。

四、发车时间设计

有一个很重要的点是控制车辆的发车时间。我目前知道的两种普遍的做法是：方案1.每隔几秒发一波车；方案2.控制全图车辆总数，如果当前地图上车辆总数小于这个阈值，就立马发一些车作为补充。我们初赛采用的是方案1，复赛采用的是方案2。

方案1：每隔几秒钟就发一波车，这种策略可以使得等到下一次发车时间到的时候，上一次发的车很大一部分就已经到达终点了。这样的发车策略，在一定程度上预防了死锁。这种策略下有如下若干问题：

同一个发车批次下，应该发哪些车。有些做法是让同一个发车批次下，车辆的始发地尽可能的分散。还有一种做法是，让车辆的速度尽可能一致。在初赛时候，我们采用了后者，因为同样速度下，车与车之间的空隙会尽可能的小。这样道路容纳量会比较大。那么，先发速度大的还是小的？我发现很多人的做法是先发速度大的，他们认为速度大的会尽快到达终点，不会对后面速度小的车辆产生过大的影响。但是，不晓得为啥，我们模型里面先发速度小的结果会比较好。而且，我认为先发大或者小结果应该是一样的。

每次应该发多少车？如果同一个发车批次下，车辆速度都尽可能一致的话，我认为速度小的时候，可以多发一些车，速度大的时候，可以少发一些车。因为速度越大，越容易死锁。如果速度是16的话，假设其要跨越路口（当前在路的最前面），那么下一条路的可以进入的车道中，如果从后往后数16个格子内存在一个等待车辆，那么它就肯定是等待状态了。而如果速度是4的话，只看4个格子。所以速度越大，越容易死锁，地图容纳总数就越小。

发车间隔是多少？发车间隔其实也控制这地图车辆总数，因此，速度大的时候发车间隔大一点，速度小的时候，发车间隔小一点会比较好。

方案2是我们复赛采用的方案，首先，按速度发车的思想没有变。我们不去控制发车间隔以及发车量。而是直接去控制地图上总车辆数，这样两个参数简化为一个参数，而且控制的效果更好。在不同速度下，发车的总量也是不一样的（和方案1一样）。速度越大，发车总量越小。

在复赛中，对于优先级车辆，能发就发，不按照速度来发，我们会控制一个优先级车辆发车时候的总地图容纳量。对于普通车辆，会控制一个允许普通车辆加入的最早时间。在最早加入时间到了以后，按照速度有小到大依次发车，不同速度下设置不同的车辆总数。

五、寻路设计

寻路无非有两种寻路，一种是没有仿真之前，就事先规划好他的路，还有一种是，等到它真正要出发的时候，在去寻路。我们采用的是后者，比如在仿真到第100秒时候，有一辆车要出发，我们就把第100秒的地图以及那辆车扔给寻路算法，返回一条路径来。这样会比事先规定路线要准确一些。

寻路主要采用的是dijkstra算法。其核心是对于路的权重设定。我们在寻路这一块做的比较烂，很大一部分精力都放在判题器和解锁以及发车上面了，在我们很烂的寻路模型中一共有如下几个参数：

1.行驶完这条路所需要的时间

这个参数应该是大家都能想到的一个参数，但在我们模型中，因为是分速度调参的，在前面几个速度中，这个参数的权重并不是很大，如果很大的话，车辆很容易立马发生死锁。当然，我们会在最后两三个速度下，把这个权重调的大一点，因为后面已经没有多少车加入了，所以尽可能让他早走完比较好。

2.当前车道拥挤程度

道路拥挤程度通过（道路总容纳量 – 道路可加入量）/道路总容纳量计算得到，这里我们计算的不是道路已有车辆数，而是道路可加入量，这可能和其他队伍的计算方式不太一样。这个参数对应权重比较大，因为我们希望车辆能够均匀的分散开来。即使这样做会绕比较远的路，但我们认为这样也是可以接受的。

3. 速度差异

我们希望车和道路之间的速度尽可能接近，如果车速高于路速的话，对于车来说本身是个损失；如果路速高于车速的话，会导致该车后面的车有可能损失速度；如果车速等于路速的话，该路上车的速度都一直，速度损失将会降到最小。

4. 已经选择确尚未到达该路的普通车辆数

这个对应权重设的比较小，也不晓得有没有用～

5. 已经选择却尚未到达该路的优先级车辆数

这个权重就设的比较大了，因为优先级车辆本身计算权重就比较大，我们尽可能让非优先级车辆不去选择优先级车辆已经选择的路。这样即使在最开始优先级车辆行驶中，我们加入一些非优先级车辆，也不会对优先级车辆运行的总时间产生过大的影响（如果设置的无穷大的话，优先级车辆总时间只可能降，不会升）。

关于动态改路的问题，首先，做动态改路肯定是能够降低总时间的，但是，我们寻路模型可能太烂了，改了反而不如不改…

六、写在最后的话

这次比赛称为华为软挑有史以来最变态的一次，代码量要求真的是很大。通过这次比赛，也使得自己对代码风格和代码管理这一块有了很大的提升。感觉我们失利的主要原因是在寻路那一块做的很烂，尤其是在看了别人开源的代码以后。总之，长路漫漫，来年再战！