1.一种基于区域性多策略的物流配送路径规划方法，其特征在于：所述路径规划方法包括以下步骤：

1)以所有配送车辆的总路程最短为目标建立如下目标函数：其中， 为配送车辆数量，qi表示第i个客户的所需货物的重量，α∈[0,1]为约束因子， 表示向下取整；rki表示客户点在第k辆车配送的客户顺序中为第i个，rk0表示配送中心，nk表示第k辆车配送的客户数量， 表示第k辆车配送的第i个客户和第i‑1个客户之间的距离， 表第k辆车配送完nk个客户后返回配送中心的路程，sign(nk)为决策变量，如果第k辆车没有进行配送任务，则取0，反之均取1；配送模型的约束条件为：每辆车配送的货物重量小于其最大载重Q，且每辆车的配送路程小于其最大可行驶路程D，每辆车的配送客户数量小于需要配送的总客户数量L，每个客户都要被配送，且每个客户只能被配送一次；

2)编码：用数字1表示配送中心，2,3,4,…,L+1表示各客户点，则配送路径编码为(1,2,

3,4,1,5,6,7,1,8,…,L+1,1)，其中1的数量为K+1，(1,2,3,4,1)表示第一辆车的配送路径为第1个客户点到第2个客户点，再到第3个客户点，以此类推；

3)通过xs＝(1,2,3,4,1,5,6,7,1,8,…,L+1,1)表示配送方案，其中xsj,j＝1,2,...,L+K+1表示xs的第j维元素；

4)种群初始化，生成NP个初始配送方案，过程如下：

4.1)从K辆车中随机选择K/2辆，然后对其在xs中对应的配送顺序进行随机排序，从而生成一种新的配送方案；

4.2)检查4.1)中产生的方案是否与已有方案相同，若相同，则重新执行步骤4.1)，直至产生与已有方案不同的方案为止；

4.3)判断4.2)中产生的方案是否满足步骤1)中的约束条件，若满足，则记为一个初始个体xm；若不满足，重新执行步骤4.1)‑4.2)，直至产生一个满足约束条件的个体为止；

4.4)若产生满足条件的个体数量达到NP，则组建初始种群P＝{x1,x2,...,xNP}，其中NP为种群规模，种群P中的每一个个体xm均表示一种配送方案；否则执行步骤4.1)‑4.3)，直到满足条件的个体数量达到NP；

5)计算当前种群中每两个不同个体之间的欧氏距离，并计算平均值dave；

6)对当前种群中的每个个体xm进行分区，过程如下：

6.1)如果个体xm不属于任何分区，则计算它与其它也没有分区的所有个体之间的欧氏距离；

6.2)比较步骤6.1)中计算的各距离与dave之间的大小，若距离小于dave，则将对应的个体归为xm的分区；

6.3)重复执行步骤6.1)‑6.2)，直到所有个体都有分区为止，并将分区数量记为Z；

7)对当前种群中的每一个目标个体xm,m＝1,2,...,NP进行如下操作：

7.1)若xm所在的分区中个体的数量大于2，则从此分区中随机选择一个与自己不同的个体xa；

7.2)从其它Z‑1个分区中随机选择一个分区，并从被选中的分区中随机选择一个个体xb；

7.3)从其它Z‑2个分区中随机选择一个分区，并从被选中的分区中随机选择一个个体xc；

7.4)对个体xm中不为1的元素xmj进行变异生成第一个变异个体其中F为步长因子， 表示目标个体xm的第一个变异个体 的第j维元素，xaj、xbj和xcj分别表示种群个体xa、xb和xc的第j维元素，且xaj、xbj和xcj均不等于1；

7.5)根据式(1)计算所有个体的目标函数值，并根据目标函数值从个体数量最多的分Zbest

区中选取目标函数值最小的个体x ：Zbest

7.6)从除了x 所在的分区以外的Z‑1个分区中随机选择一个分区，并从其中随机选取一个个体xd；

7.7)从除了步骤7.5)和7.6)所选的分区以外的Z‑2个分区中随机选择一个分区，并从其中随机选取一个个体xe；

7.8)对个体xm中不为1的元素xmj进行变异生成第二个变异个体其中， 表示目标个体xm的第二个变异个体 的第j维元素，xdj、xej和 分别表示种Zbest

群个体xd、xe和x 的第j维元素，且xdj、xej和 均不等于1；

8)对变异个体 和目标个体xm进行交叉，过程如下：

8.1)生成测试个体

其中 表示第t个测试个体 的第j维元素， 表示第t个变异个体 的第j维元素，rand(0,1)表示0到1之间的随机数，CR表示交叉概率，jrand表示1到L+K+1之间的随机整数；

8.2)如果测试个体 的各维元素中除了1以外的元素有小于1或者大于L+1的元素，则从2到L+1之间随机生成一个整字进行替换，直到所有除了1以外的元素均在2和L+1之间为止；

8.3)如果测试个体 的各维元素中除了1以外的元素有相同的元素，则从2到L+1之间随机生成一个与其他元素不同的整数进行替换，直到除了1以外的元素互不同为止；

9)根据公式(1)分别计算测试个体 和 所对应的路线的目标函数值，选择目标函数值较小的测试个体记为Utrial；

10)如果Utrial的目标函数值小于目标个体xm的目标函数值，且Utrial满足步骤1)中的约束条件，则Utrial替换目标个体xm；

11)对种群中的每个个体都执行完步骤7)‑10)以后，迭代次数g＝g+1；

12)如果满足终止条件，则继续步骤13)，否则返回步骤5)；

选出当前种群中目标函数值最小的个体进行解码，其中第1个1和第2个1之间的数字表示第1辆车的配送路线，第2个1和第3个1之间的数字表示第2辆车的配送路线，以此类推，则第K个1个第K+1个1之间的数字表示第K辆车的配送路线，其中1与1之间的数字表示配送点，

1表示配送中心。

2.如权利要求1所述的一种基于区域性多策略的物流配送路径规划方法，其特征在于：所述步骤12)中，终止条件为迭代次数g达到预设最大迭代次数gmax。