修改包括P的本阶段的节点的游览时间Tv属性值，以4h为总时间，均匀拉伸或压缩
N
静态
Y
附加消费
好玩度
初始化时间计数器i=0
3.5-0.8*(sumTv-Tv)-sumTt0?
i=day?
T-Tt-Tv0?
时空代价
T=4.5（初始化下午时间）
年接待量
根据Vinit和loc计算最短路径组合下的景点序列Vbest
把p节点插入到Vinit（初选节点）序列中
T=4（初始化下午时间）
网络打分
结束（游时切分算法）
算法2
加映射表
对综合评分Ves做排序，获取景点编号按评分排列的次序sortVes(Ves) return Vsort
选出最好的景点（AHP）
金钱代价
用户输入起始地点loc，预计游玩时间day
输出景点时间切分序列，和游玩示意图。
动态
把P放入Vtime(n)中
开始（景点筛选算法）
3.5-0.8*sumTv-sumTt0?
准则
把P放入Vtime（n）中
根据loc计算各个景点的的综合评价值Es，加入day后，生预计游玩景点序列Vinit
①确定精度限定条件②初始化种群③交叉变异繁殖④通过条件限定来进一步选择⑤判断精度是否达标⑥最终获得近似解
门票代价
empty(Vbest)?
T-Tt0?
国家标准
结束（路径组合优化算法）
把day作为限定值，对Vbest做时间切分生成景点时间切分序列Vtime
结束（景点筛选算法）
AHP计算权重值
T-Tt-0.5?
结束（整体）
sumTt+=Tt
算法3
输出初选景点序列Vinit
通行成本
开始（路径组合优化算法）
开始（整体）
sumTv+=Tv
修改包括P的本阶段的节点的游览时间Tv属性值，以3.5h为总时间，均匀拉伸或压缩
热度
算法1
T(最初值)-0.8*sumTv-sumTt0?
修改通用的遗传算法
修改包括P的本阶段的节点的游览时间Tv属性值，以T(最初值)为总时间，均匀拉伸或压缩
开始（游时切分算法）
