计算机送货路径的规划可以通过多种方法和技术来实现，以下是一些常用的策略和步骤：
使用TMS软件
TMS（运输管理系统）软件是专门用于规划和优化配送路径的工具。通过TMS，可以自动化地处理配送任务，包括路线规划、车辆调度和实时跟踪等。
人工使用Excel表格
对于小型或简单的配送需求，可以使用Excel表格来手动规划路线。这种方法虽然原始，但对于没有TMS系统的公司来说仍然有效。
机器学习与人工智能技术
机器学习：通过分析历史配送数据，识别影响配送路径规划的关键因素，如交通状况、配送需求和司机可用性，并构建预测模型来优化配送路线。
深度学习：使用深度神经网络处理大规模配送数据和复杂的交通状况，做出更准确的配送路径规划决策。深度学习方法还可以通过端到端学习直接从输入数据中学习配送路径规划策略。
强化学习：应用强化学习算法，让智能体在配送路径规划的环境中学习和优化其决策策略，实现实时路径规划。
启发式算法
遗传算法、 蚁群算法和 粒子群算法等启发式算法在配送路径规划中具有较好的应用效果，能够找到较优的配送路径。
图论中的最短路径算法
利用图论中的最短路径算法（如Dijkstra算法、A*算法）来寻找最优或次优的配送路径。
元数据技术
采用元数据技术描述配送路径规划问题中的实体，如车辆、配送点和交通网络，并利用元数据模型定义配送路径规划规则和约束，实现灵活且扩展的路径规划系统。
综合规划方法
结合以上方法，可以制定一个综合的配送路径规划方案。例如，首先使用TMS软件进行初步规划，然后结合机器学习模型进行优化，最后通过人工调整来确保规划的可行性和效率。
建议
选择合适的工具：根据公司的规模和需求选择合适的路径规划工具，从简单的Excel到复杂的机器学习系统。
数据收集与分析：确保有足够的数据来训练和验证路径规划模型，从而提高规划的准确性和效率。
持续优化：定期评估和优化配送路径规划系统，以适应不断变化的交通状况和配送需求。
通过这些方法和技术，可以有效地规划计算机送货路径，提高配送效率和客户满意度。