1.一种应用改进的混合免疫算法优化物流配送中心选址方法，其特征在于，包括如下步骤：步骤一、建立物流配送中心选址的模型；

步骤二、进行免疫算法计算；

步骤三、进行改进的混合免疫算法计算；

所述步骤一具体包括，

建立目标函数：

约束条件为：

Zij≤hj,i∈N,j∈Mi     公式三其中：

其中，N＝{1,2,3,…,n}是所有需求点的序号集合；Mi为到需求点i的距离小于s的备选配送中心集合，i∈N， 从n个样本需求点中确定若干个配送中心，然后再由配送中心向各个样本点配货；ωi表示需求点的需求量；dij表示从需求点i到离它最近的配送中心j的距离；Zij为0‑1变量，只能取0或1，当取值为1时，表示第i个样本点的需求量由第j个配送中心进行配送，否则为0；hj为变量，只能取值0或1，当hj＝1时，表示点j被选为配送中心；s为新建配送中心离由它服务需求点的距离上限；公式二表示配送点i只能由唯一的配送中心j来进行送货，从而保证每一个配送点有且只对应一个配送中心；公式三表示配送点的需求量只能由它所对应的配送中心来服务；式 表示被选中的配送中心数量为pp；式dij≤s保证了所有配送点都位于配送中心的配送距离上限范围内；

所述步骤二包括：

1)建立抗体与抗原间亲和力函数Av

其中，Fv为目标函数；分母中的第二项表示对违反距离约束的解给予惩罚，其中，C为常数；

2)抗体与抗体间亲和力函数Sv,s

其中，Kv,s为抗体v和抗体s中相同元素个数的位数，L为抗体的长度；

3)抗体浓度函数Cv

其中，Nantibody为抗体总数，

其中，T为公式十自适应寻找的一个最佳阈值；

4)函数繁殖期望率

群体个体的期望繁殖率由抗体和抗原间亲和力Av和抗体浓度Cv共同决定，原始繁殖期望率如公式九所示：其中，α为常数；

5)进行免疫操作

a)选择操作，根据公式九来计算期望繁殖概率，然后采用轮盘赌选择机制进行选择操作；

b)交叉操作，按照指定的位置进行交叉；

c)变异操作，采用随机位置变异；

所述步骤三包括：

1)自适应选择操作

引入迭代次数t来分阶段地改抗体浓度函数Cv，具体如公式十所示：其中T为根据迭代次数分阶段自适应的一个阈值，tmax为最大迭代次数，tave为平均迭代次数，t为迭代次数，sizepop为种群规模，其中α1＝1，根据公式十来更新公式八的亲和力函数Sv,s；根据公式九来计算期望繁殖概率，然后采用轮盘赌选择机制进行选择操作，在种群中以一定比例抽取r个体进行退火选择，改进后计算期望繁殖概率具体如公式十一其中，xi表示第i个抗体，TEMk为第k次迭代温度，α为常数，T0＝100，k为当前迭代次数；

2)进行交叉操作

采用按照一定指定的位置进行交叉；在此使用随机单点交叉操作，即：随机的产生两个单点位置，再交换这两个位置上的基因；

3)变异操作

为防止免疫算法陷入局部最优值，对于抗体进行一个指定半径领域进行变异，具体如公式十三所示；

公式十三中R为指定的半径领域，R大于克隆扩展半径，rand(1‑R,1+R)为产生(1‑R,1+R)之间的一个随机数，其中xii,t是第t次时的第ii个抗体；xii,max，xii,min分别为第t次迭代阶段中具有最大和最小抗体浓度的抗体；x*ii,t表示第t次时的第ii个变异后的抗体。