请你编写用OR-Tools软件解决CVRP问题的算法实现步骤以及算法实现流程图

CVRP（ capacitated vehicle routing problem）即有容量限制的车辆路线问题，是一个经典的组合优化问题，在物流和配送等领域广泛应用。使用Google的OR-Tools库来解决CVRP通常包括以下几个步骤：

1. **导入库**：
首先需要安装并引入OR-Tools库。如果你使用Python，可以像这样导入：

   import ortools RoutingIndexManager as rim
   from ortools.constraint_solver import pywrapcp

2. **数据准备**：
- 定义客户点集合、起点和终点。
- 设置每辆车的最大装载能力（容量限制）。

3. **构建模型**：
- 创建`RoutingModel`实例。
- 使用`rim`创建访问矩阵，表示点之间的距离或成本。
- 创建`VehicleRoutingProblem`实例，并设置容量约束。

4. **定义变量**：
- 创建`DepotAndVehicle`数组，每个元素代表一个从起始点到客户的路径加上返回起始点的行程。
- `RouteVar`用于存储每个客户分配给哪一辆车。

5. **设置目标函数**：
- 设定最小化总行驶距离或时间的目标。

6. **添加约束**：
- 使用`AddCumulativeConstraint`保证每辆车不会超载。
- 添加顺序约束，确保车辆按照预设的顺序依次服务客户。

7. **求解优化问题**：
- 创建`Solver`实例，并调用`Solve()`方法开始求解。

8. **解析结果**：
- 获取最优化的路径信息，如车辆分配和路线。

以下是算法实现的一个简化版流程图：

+----------------+
| 数据准备     |
+->| 客户位置 |->| 车辆容量 |
+----------------+
         |
+-------------------+
| OR-Tools 库        |
+-------------------+
| 创建模型        |
| 添加访问矩阵      |
| 创建Vrp           |
| 添加依赖关系      |
| 设置目标函数      |
+-------------------+
| 创建 Solver       |
| 解决优化问题      |
+-------------------+
| 结果解析        |
| 输出最优路径      |
+-------------------