1.基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：包括如下步骤：S1、检测垃圾桶的状态，确定垃圾桶是否装满，得到垃圾桶是否装满的状态数据；

S2、通过量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划；

S3、根据路线规划绘制出垃圾回收导航地图；

量子布谷鸟搜索算法对传来的各垃圾桶的数据进行路线规划包括如下步骤：S21、参数初始化，设种群大小ps，步长因子α、发现概率Pa以及最大迭代次数max_iter；

S22、生成初始布谷鸟种群，对布谷鸟个体执行量子编码Pop＝{x1,x2,…,xn}，其中n为编码长度，也是规划垃圾桶个数，xi为处理后的垃圾桶序号；

S23、量子布谷鸟编码采用LOV(Largest-Order-Value)规则生成序列π＝{π1,π2,…,πn}，即优化后的路径，其中πi为路径优化后的垃圾桶序号；采用LOV规则生成路径序列包括对q值进行升序排序，并对排序后的值依次搜索其在排序前相对应的垃圾桶序号，得到的序列(π1,π2,…,πn)即路径序列；q值为对布谷鸟个体执行量子编码后的量子编码值；

S24、计算目标函数值，比较得到最小值，即为布谷鸟个体找到的当前最优鸟巢，目标函数值即垃圾桶回收路径距离；

S25、种群进入迭代，所有布谷鸟根据莱维飞行更新，得到新的路径序列πnew＝{π1,π2,…,πn}，并计算新目标函数值；

S26、比较更新后的目标函数值，记全局目标函数值最小的布谷鸟个体找到的鸟巢为Popb＝{xb1,xb2,…,xbn}；

S27、产生一个随机数R∈[0,1]，根据发现概率Pa，若R>Pa，则对布谷鸟个体编码进行随机改变，并计算目标函数值，否则保留当前鸟巢；

S28、再次比较所有布谷鸟个体的目标函数值，保留目标函数值最小的布谷鸟个体找到的鸟巢Popb＝{xb1,xb2,…,xbn}，转步骤S25进入迭代，直到达到最大迭代次数；

S29、对最后目标函数值最小的鸟巢采用LOV规则生成路径序列，即对应垃圾桶序号，并执行局部邻域搜索LNS算法进行优化，优化后的路径为最优垃圾桶回收路径，目标函数值即为最优垃圾桶回收路径距离；

所述局部邻域搜索LNS算法包括：首先先标记若干插入垃圾桶点、邻居垃圾桶点，快速插入与交换垃圾桶点；计算交换前后的序列的距离，计算路径距离增量Δmin，Δmin为交换后的序列距离减去交换前的序列距离，若Δmin＜0，则标记邻居垃圾桶点进行插入和交换，更新交换插入后的序列，更新路径序列的邻域，以更新后的垃圾桶序列为垃圾桶序列再次进行标记插入，直到满足停止条件。

2.如权利要求1所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：在步骤S1中检测垃圾桶是否装满的方法为：S11、在每个垃圾桶上分别设置数据处理模块、重量传感器、红外漫反射开关；

S12、重量传感器和红外漫反射开关将采集的数据信号发送至数据处理模块进行处理；

S13、数据处理模块对接收的数据进行处理后判断垃圾桶是否装满，并将垃圾桶装满的状态信息传递至服务器进行路线规划。

3.如权利要求2所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：步骤S13中垃圾桶的状态信息传递至服务器的方法为：S131、垃圾桶处设置ZigBee节点，数据处理模块通过ZigBee节点与协调器组成无线传感器网络；

S132、多个垃圾桶的状态信息均由相对应的数据处理模块经ZigBee节点周期性的向协调器传递垃圾桶的装满溢出信号；

S133、协调器将传来的数据解析后以串口通信的方式传递给服务器。

4.如权利要求3所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：在ZigBee节点处将节点的ID信息和垃圾桶的状态信息封装在一起，协调器接收到数据后将信息解析后获取节点的ID和对应节点传来的垃圾桶状态信息。

5.如权利要求2或3所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：在垃圾桶上设有太阳能供电装置，太阳能供电装置包括太阳能电池板、蓄电池，所述的太阳能电池板为蓄电池充电，蓄电池为用电器件提供电源驱动。

6.如权利要求1所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：步骤S22中量子编码包括如下步骤：S221、量子布谷鸟种群的量子位状态 满足线性叠加原理，则可表示为：其中cosθ和sinθ分别为得到0状态和得到1状态的概率幅，满足cos2θ+sin2θ＝1，因此量子布谷鸟种群可编码为：其中n为量子位长度，量子角θj(1≤j≤n)在[0,2π]内随机生成；

S222、量子布谷鸟种群编码包含两个并列的编码，分别为余弦编码qc和正弦编码qs：qc＝(cos(θ1),cos(θ2),...,cos(θn))qs＝(sin(θ1),sin(θ2),...,sin(θn))。

7.如权利要求1所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：步骤S25中莱维飞行更新公式为:其中： 表示第i个布谷鸟在第t代的鸟巢位置；α表示步长因子；L(u,v)表示莱维飞行采用Mantegna算法产生的随机步长。

8.如权利要求7所述的基于量子布谷鸟搜索算法的智能垃圾回收路径规划方法，其特征在于：Mantegna算法产生的随机步长，计算公式为：式中β∈[1 ,2]，u和v服从正态分布： 其中

σv＝1。