能不能给我举一个带有时间窗的配送路径优化的vrp问题的代码例子 用python调gurobi来做

当然可以！下面是一个使用Python和Gurobi求解带有时间窗的配送路径优化的VRP问题的代码示例：

import gurobipy as gp

# 创建模型
model = gp.Model()

# 参数
customers = ['A', 'B', 'C', 'D']  # 客户列表
depot = 'Depot'  # 配送中心
demand = {'A': 1, 'B': 2, 'C': 3, 'D': 1}  # 客户需求
time_windows = {'A': (0, 5), 'B': (2, 10), 'C': (4, 8), 'D': (0, 12)}  # 时间窗
service_time = {'A': 1, 'B': 2, 'C': 1, 'D': 0.5}  # 客户服务时间

# 决策变量
x = {}  # x[i, j]表示是否从客户i配送到客户j
for i in customers:
    for j in customers:
        if i != j:
            x[i, j] = model.addVar(vtype=gp.GRB.BINARY)

# 约束：每个客户只能被访问一次
for i in customers:
    model.addConstr(gp.quicksum(x[i, j] for j in customers if i != j) == 1)

# 约束：出发点和终点
for i in customers:
    model.addConstr(gp.quicksum(x[depot, i] for i in customers) == 1)
    model.addConstr(gp.quicksum(x[i, depot] for i in customers) == 1)

# 约束：时间窗
for i in customers:
    model.addConstr(gp.quicksum(x[i, j] * service_time[j] for j in customers if i != j) <= time_windows[i][1])
    model.addConstr(gp.quicksum(x[i, j] * service_time[j] for j in customers if i != j) >= time_windows[i][0])

# 目标函数：最小化总距离
obj = gp.quicksum(x[i, j] * distance[i][j] for i in customers for j in customers if i != j)
model.setObjective(obj, gp.GRB.MINIMIZE)

# 求解
model.optimize()

# 打印结果
if model.status == gp.GRB.OPTIMAL:
    print('最优解:')
    for i in customers:
        for j in customers:
            if x[i, j].x > 0.5:
                print(f'从{i}配送到{j}')
else:
    print('未找到最优解')

请注意，上述代码只是一个简单的示例，需要根据实际问题进行适当的修改和调整。你可以根据自己的需求添加更多的约束和目标函数。希望对你有所帮助！如果有任何问题，请随时提问。