1.一种基于自适应局部搜索链的多目标车辆路径规划方法，其特征在于，包括如下步骤：

1)构造满足问题约束的非支配初始解集S,通过启发式构造方法生成算法的初始解集S，使得初始解集S中的所有解满足带时间窗取送货问题中的约束条件，并对初始解集S中的所有解按照以下5个目标函数进行评估，将被支配解从初始解集S中删除，只保留非支配解：f1＝|K|

f3＝max{Tk|k＝1,…,|K|}

其中，K表示规划方案使用的车辆集合，Dk表示第k辆车的行驶距离，Tk表示第k辆车的行驶时间，Wk表示第k辆车因提前到达服务点所产生的等待时间，TDk表示第k辆车因晚到服务点所产生的延误时间；f1、f2、f3、f4、f5分别表示路径规划方案中使用的车辆总数目、车辆行驶的总距离、所有车辆的最长行驶时间、所有车辆的等待时间之和，以及所有服务点的延误时间之和；

初始化局部搜索操作及相关参数，相关参数包括解的使用次数used_lb、局部操作的成功次SN、成功率SP、搜索链执行次数Chain；

2)初始化优化目标索引比变量Obj＝1；

min max

3)构造虚拟向量Z 和Z ，并根据虚拟向量对初始解集S中所有解进行归一化处理，并计算所有解的优化潜力值，根据优化潜力值和解的使用次数进行每一个解的选择概率；

4)利用轮盘赌的方法自适应地选择一个解Xi作为当前解Xcur和当前最优解Xbest，并令used_lb＝used_lb+1，i＝1,2,…,|S|；

5)随机排列所有目标的优化次序，排序后的结果记为indexn，n＝1,2,…,5；

6)执行与第indexObj个目标相匹配的局部操作 对Xcur进行搜索，得到解Xnew,利用Xnew对初始解集S进行更新操作；

7)令Obj＝Obj+1，判断Obj>5是否成立，如果不成立，返回步骤6)；否则，Chain＝Chain+

1，进入步骤8)；

8)判断Chain/|S|＝＝LP是否成立，如果成立，则重置初始解集S中所有解的解的使用次数use_lb值为0，并更新所有局部搜索操作的成功率SP；

9)判断Chain>MAX_chain是否成立，其中MAX_Chain为预设的最大局部搜索链的执行次数，如果成立，则算法结束，输出初始解集S中的所有解；否则，返回步骤2)。

2.如权利要求1所述的一种基于自适应局部搜索链的多目标车辆路径规划方法，其特征在于：步骤1)初始化局部操作和相关参数包括：根据每一个目标函数fj的优化任务，选择与其任务相匹配的局部搜索操作LSj，j＝1,2,…,5，并初始化每个局部搜索操作获得更优解的成功次数SNj和成功率SPj，令SNj＝0，SPj＝0.5；初始化初始解集S中每一个解Xi的使用次数used_lbi，令used_lbi＝0；初始化局部搜索链的执行次数Chain，令Chain＝0。

3.如权利要求2所述的一种基于自适应局部搜索链的多目标车辆路径规划方法，其特征在于：步骤3)中，虚拟向量 和其中， 和 分别表示初始解集S中所有解在第j个

目标上的最小值和最大值。

4.如权利要求3所述的一种基于自适应局部搜索链的多目标车辆路径规划方法，其特征在于：步骤3)中，所述归一化处理具体为，对初始解集S中每一个解Xi的各个目标函数值fi,j，按照以下公式进行归一化处理：所述计算所有解的优化潜力值具体为：对初始解集S中的每一个解Xi，按照以下公式计算其优化潜力值：其中，

所述计算每一个解的选择概率具体为：对初始解集S中的每一个解Xi，按照以下公式计算其选择概率：

5.如权利要求1所述的一种基于自适应局部搜索链的多目标车辆路径规划方法，其特征在于：所述利用Xnew对初始解集S进行更新操作具体包括:判断初始解集S是否发生更新，若是则令 Xcur＝Xbest＝Xnew，并将Xnew的used_lb值初始化为0，进入步骤7)；

否则令t＝Obj+1，并判断t>5是否成立，如果成立，进入步骤7)，否则，将Xnew的第indext个目标值 按照下列公式进行归一化处理，并比较 与 若 则Xcur＝Xbest；否则，Xcur＝Xnew。

6.如权利要求2所述的一种基于自适应局部搜索链的多目标车辆路径规划方法，其特征在于：步骤8)中，所述更新所有局部搜索操作的成功率SP，具体为：按以下公式更新所有局部搜索操作的成功概率：其中，β为学习率，设置为0.9；θ为一个极小的数值，设置为1E‑05。