快递行业正蓬勃发展，为我们的生活带来更多方便。一般地，所有快件到达 某地后，先集中存放在总部，然后由业务员分别进行派送；对于快递公司，为了保证快件能够在指定的时间内送达目的地，必须有足够的业务员进行送货，但是，太多的业务员意味着更多的派送费用。 表 1 送货点位置及快件重量表 0 0 15 10 1 8 3 2 2 8.2 1 5 3 6 5 4 4 5.5 4 7 5 4.5 3 11 6 3 0 8 7 7.2 7 9 8 2.3 9 6 9 1.4 10 2 10 6.5 14 0 11 4.1 17 3 12 12.7 14 6 13 5.8 12 9 14 3.8 10 12 15 3.4 19 9 16 3.5 2 16 17 5.8 6 18 18 7.5 11 17 19 7.8 15 12 20 4.6 7 14 21 6.2 22 5 22 6.8 21 0 23 2.4 27 9 24 7.6 15 19 25 9.6 15 14 26 10 20 17 27 12 21 13 28 6 24 20 29 8.1 25 16 30 4.2 28 18 （1）请你运用有关数学建模的知识，给该公司提供一个合理的送货策略（即需要多少业务员，每个业务员的运行线路，以及总的运行公里数）,用matplotlib画出线路规划图 步骤和过程输出到文档中； （2）输出需要的车辆数和最优的线路，顺序。 用python代码解题，简化处理， 在每趟车不超过25kg载重的前提下： 画出规划的路线图， 打印输出有几组行驶路线，每条路线经过点的先后顺序即可。

对于这个问题，我建议采用遗传算法来解决。首先，我们需要定义一个适应度函数，来评估每个个体的优劣程度。在这个问题中，我们可以将适应度函数定义为每个业务员的路线总长度。然后，我们可以采用遗传算法的基本步骤，包括初始化种群、选择、交叉和变异。在每次迭代中，我们可以计算每个个体的适应度并选择出优秀的个体进行交叉和变异，最终得到最优的解决方案。

具体步骤如下：

1.读入表格数据，将送货点位置及快件重量表转化为坐标点，并计算出每个点之间的距离。
2.初始化种群，每个个体表示一个可能的业务员路线方案。每个个体由若干个基因组成，每个基因表示一个送货点的编号。
3.计算每个个体的适应度函数，即每个业务员的路线总长度。
4.进行选择操作，选择优秀的个体进行下一步的交叉和变异。
5.进行交叉操作，随机选择两个个体进行交叉，生成两个新个体。
6.进行变异操作，随机选择一个个体进行变异，生成一个新个体。
7.重复步骤3-6，直到达到预设的迭代次数或找到最优解。
8.输出最优解，包括需要多少业务员、每个业务员的运行线路、总的运行公里数，并用matplotlib画出线路规划图。

最优的线路顺序可以通过输出每个业务员的运行线路来得到。

这个问题的python代码实现可以参考以下代码：