1.一种考虑车辆路径与三维装箱的车货匹配方法，其特征在于，包括以下步骤：

1)根据车辆数量、货主数量和货主的货物数量生成车货匹配结果并进行初始化；其中，随机生成若干车货匹配结果，一部分保留随机性，将剩余部分车货匹配结果中同一货主货物对应实数的整数部分修正为相同的值；

所述车货匹配结果由随机带有两位小数的实数组合编码得到，其中，实数的整数部分表示货物匹配的车辆序号，小数部分数值由大至小排序为放入车辆的货物先后顺序以及车辆访问的货主先后顺序；

2)设置最大迭代次数并将当前迭代代数设为1，初始化历史最优匹配结果及其适应度值，设置最大迭代速度并将当前迭代速度设为0，初始化学习因子及惯性权重范围，开始迭代；

3)判断当前迭代代数是否达到最大迭代次数；

若达到最大迭代次数，则跳转到步骤8)；

否则，则跳转到步骤4)；

4)更新车货匹配结果；

5)计算更新后的车货匹配结果的适应度值；

适应度函数为：车辆运营成本的性能指标函数、车辆空载成本的性能指标函数、车辆重心偏移成本的性能指标函数和惩罚成本的性能指标函数；

所述车辆的运营成本包括车辆载货行驶成本；

所述车辆空载成本包括质量空载率加权折合的成本和空间空载率加权折合的成本；

所述车辆重心偏移成本包括载货车辆重心与空载车辆重心的距离加权折合的成本；

所述车辆惩罚成本包括同一货主货物装载不同车辆加权折合的成本；

6)比较所有车货匹配结果的适应度值，将当前所有车货匹配结果中适应度值最小的设为当前最优匹配结果，更新各个历史最优匹配结果，并根据历史最优车货匹配结果、步骤1)中初始化的学习因子和惯性权重范围以及当前迭代代数更新匹配结果进化方向及速度；

7)判断当前车货匹配结果中适应度值最小的结果是否满足特赦条件；

若满足，则将当前粒子设为历史最优匹配结果，更新禁忌表，并跳转至步骤8)；

否则，则将次优匹配结果作为历史最优匹配结果，以跳出局部最优，更新禁忌表，并跳转至步骤3)；

所述禁忌表中记录连续若干次迭代重复成为历史最优匹配结果的车货匹配结果，并存储对所述结果进行的禁忌代数，防止所有车货匹配结果重复将其作为历史最优匹配结果并持续趋近于该结果，陷入局部最优；若连续若干次迭代后的历史最优匹配结果均无法超越被禁忌的匹配结果或者被禁代数达到预先设置的最大值，释放该结果使其重新有机会成为历史最优匹配结果；

8)输出全局近似最优车货匹配结果。

2.根据权利要求1所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，步骤

1)车货匹配结果进行实数编码，具体操作为：

随机生成与货物总数相同数量的带两位小数的实数，实数取值范围为1～(车辆数量+

1)。

3.根据权利要求2所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，步骤

1)中解码的具体操作为：

编码的整数部分为货物匹配的车辆序号，即得到车辆与货主和货物的匹配结果；

将与车辆匹配的货物对应的编码值由大到小排序，得到车辆匹配货物的装载顺序；

按照各个货主所持货物的个数将编码分割为若干段，每段对应一个货主的所有货物，将与车辆匹配的货主货物中对应编码值的最大值由大到小排序，得到车辆访问货主顺序，即车辆行驶路径。

4.根据权利要求1所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，步骤

4)中更新车货匹配结果具体为：

xid(t+1)＝xid(t)+vid(t+1)  (1)其中，x为车货匹配结果中货物对应的实数值，t为前一代迭代次数，v为车货匹配结果进化速度。

5.根据权利要求1所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，在步骤5)中，计算更新后的车货匹配结果适应度值的适应度函数为：其中，n为货主数量，m为车辆数量，pp为货物总数量，mm为货物质量，X为车货匹配结果，E为车辆每增加一单位质量行驶一单位距离的成本，F为车辆空载行驶一单位距离的成本，S为车辆行驶距离，I为车辆是否使用结果，M为车辆最大载重量，V为车厢体积，v为货物体积，T为车辆空载率折合成本，Y为车辆货主匹配结果，H为车辆重心偏移距离折合成本，R为同一货主货物装载不同车辆的惩罚系数；

式(2)中的车辆行驶距离S由式(3)求解得到：

其中，Z为车辆与先后到达的货主匹配结果，D为货主与货主、货主与货主目的地之间的距离，i表示车辆，j表示货主，k表示货物。

6.根据权利要求5所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，适应度函数包括车辆的运营成本的性能指标函数A：式中，i表示车辆，j表示货主，k表示货物，n为货主数量，m为车辆数量，pp为货物总数量，mm为货物质量，X为车货匹配结果，E为车辆每增加一单位质量行驶一单位距离的成本，F为车辆空载行驶一单位距离的成本，S为车辆行驶距离，Z为车辆与先后到达的货主匹配结果，D为货主与货主、货主与货主目的地之间的距离，A表示车辆的运营成本；

适应度函数包括车辆的空载成本的性能指标函数B：

式中，i表示车辆，k表示货物，m为车辆数量，pp为货物总数量，mm为货物质量，X为车货匹配结果，I为车辆是否使用结果，M为车辆最大载重量，V为车厢体积，v为货物体积，T为车辆空载率折合成本，B表示车辆的空载成本；

适应度函数包括同一货主货物装载不同车辆的惩罚成本的性能指标函数C：式中，i表示车辆，j表示货主，n为货主数量，m为车辆数量，Y为车辆货主匹配结果，R为同一货主货物装载不同车辆的惩罚系数，C为同一货主货物装载不同车辆的惩罚成本；

适应度函数包括车辆的重心偏移安全隐患成本D：

式中，i表示车辆，k表示货物，m为车辆数量，pp为货物总数量，mm为货物质量，X为车货匹配结果，(x,y,z)为货物重心坐标，(xc,yc,zc)为车厢重心坐标，H为车辆重心偏移距离折合成本，D为车辆的重心偏移安全隐患成本。

7.根据权利要求5所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，步骤

6)中更新车货匹配结果进化速度具体为：

vid(t+1)＝ωvid(t)+c1r1[Pid(t)-xid(t)]+c2r2[PGd(t)-xid(t)]  (4)其中：iteri为当前迭代次数，iter为最大迭代次数，c1、c2为学习因子，ω为惯性权重，r1、r2为0-1的随机数，Pid(t)为各个历史最优匹配结果，PGd(t)为粒子群的历史最优匹配结果。

8.根据权利要求1所述的考虑车辆路径与三维装箱的车货匹配方法，其特征在于，步骤

7)中更新禁忌表的操作为：

将最优粒子在禁忌表中对应的车货匹配位置设为禁忌长度，禁忌表其余位置数值减1。