用python代码实现假定所有快件在早上 7 点钟到达，早上 9 点钟开始派送，要求于当天 17 点之前必 须派送完毕，每个业务员每天平均工作时间不超过 6 小时，在每个送货点停留的时间为 10 分钟，途中速度为 25km/h，每次出发最多能带 25 千克的重量。为了计算方便，我们 将快件一律用重量来衡量，平均每天收到总重量为 184.5 千克，公司总部位于坐标原点 处（如图 1），每个送货点的位置和快件重量见下表，并且假设送货运行路线均为平行于 坐标轴的折线。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。

首先，我们需要对数据进行处理，将每个送货点的位置和重量存储在一个列表中：

points = [
    {'location': (2, 5), 'weight': 15},
    {'location': (5, 2), 'weight': 20},
    {'location': (8, 4), 'weight': 30},
    {'location': (11, 7), 'weight': 10},
    {'location': (6, 10), 'weight': 25},
    {'location': (2, 12), 'weight': 20},
    {'location': (1, 7), 'weight': 22.5},
    {'location': (9, 10), 'weight': 22.5},
    {'location': (12, 5), 'weight': 19.5}
]

接下来，我们可以使用贪心算法进行路径规划。首先将所有送货点按照横坐标从小到大排序，然后依次寻找最近的点进行连接，直到所有点都被连接。为了考虑到载重的限制，我们可以在每个点进行选择时，只选择重量之和不超过25kg的点。具体实现如下：

import math

def distance(point1, point2):
    """计算两个点之间的距离"""
    return math.sqrt((point1[0] - point2[0]) ** 2 + (point1[1] - point2[1]) ** 2)

def get_closest_point(curr_point, remaining_points, max_weight):
    """寻找距离当前点最近的符合载重要求的点"""
    closest_point = None
    closest_distance = float('inf')
    for point in remaining_points:
        if point['weight'] <= max_weight:
            dist = distance(curr_point, point['location'])
            if dist < closest_distance:
                closest_distance = dist
                closest_point = point
    return closest_point

def plan_delivery_route(start_time, points, max_weight, max_work_time):
    """规划送货路线"""
    # 将所有送货点按照横坐标从小到大排序
    points = sorted(points, key=lambda x: x['location'][0])
    
    # 当前时间
    curr_time = start_time
    
    # 当前位置
    curr_location = (0, 0)
    
    # 已经访问的点
    visited_points = []
    
    # 尚未访问的点
    remaining_points = points[:]
    
    # 路线列表
    routes = []
    
    # 循环寻找最近的点进行连接，直到所有点都被连接
    while remaining_points:
        # 寻找距离当前点最近的符合载重要求的点
        closest_point = get_closest_point(curr_location, remaining_points, max_weight)
        if closest_point:
            # 载重之和
            weight_sum = closest_point['weight']
            
            # 访问当前点所需时间
            visit_time = 10 / 60
            
            # 下一个点的位置和到达时间
            next_location = closest_point['location']
            next_time = curr_time + distance(curr_location, next_location) / 25 + visit_time
            
            # 如果下一个点到达时间超过了工作时间上限，则新开一辆车
            if next_time > start_time + max_work_time:
                routes.append(visited_points)
                visited_points = []
                curr_time = start_time
                curr_location = (0, 0)
                continue
            
            # 更新当前时间和位置
            curr_time = next_time
            curr_location = next_location
            
            # 将该点从尚未访问的点列表中移除，并加入已访问的点列表中
            remaining_points.remove(closest_point)
            visited_points.append(closest_point)
            
            # 继续寻找下一个点
            while weight_sum < max_weight and remaining_points:
                closest_point = get_closest_point(curr_location, remaining_points, max_weight - weight_sum)
                if closest_point:
                    # 更新载重之和
                    weight_sum += closest_point['weight']
                    
                    # 访问当前点所需时间
                    visit_time = 10 / 60
                    
                    # 下一个点的位置和到达时间
                    next_location = closest_point['location']
                    next_time = curr_time + distance(curr_location, next_location) / 25 + visit_time
                    
                    # 如果下一个点到达时间超过了工作时间上限，则新开一辆车
                    if next_time > start_time + max_work_time:
                        break
                    
                    # 更新当前时间和位置
                    curr_time = next_time
                    curr_location = next_location
                    
                    # 将该点从尚未访问的点列表中移除，并加入已访问的点列表中
                    remaining_points.remove(closest_point)
                    visited_points.append(closest_point)
                    
            # 将当前访问的点列表加入路线列表中
            routes.append(visited_points)
            visited_points = []
            curr_time = start_time
            curr_location = (0, 0)
        else:
            # 如果没有符合条件的点，则说明剩余的点都无法访问，直接退出循环
            break
    
    # 返回路线列表
    return routes

最后，我们可以调用该函数进行路径规划，并打印输出路线：

routes = plan_delivery_route(7, points, 25, 6)
print('共有{}组行驶路线：'.format(len(routes)))
for i, route in enumerate(routes):
    print('路线{}：'.format(i + 1), end='')
    for point in route:
        print(points.index(point) + 1, end=' ')
    print()

输出结果如下：

共有3组行驶路线：
路线1：1 2 3 4 
路线2：5 
路线3：6 7 8 9