1.多约束条件的车辆路径优化方法，其特征在于：包括以下步骤：获取需要配送的货物种类数量、需要配货的顾客数量和每辆车能够运输的货物种类数量；

基于配货总成本最小目标函数，求解优化后的车辆路径；

目标函数中具有约束条件，约束条件包括：每个顾客由至少一辆车服务，每辆车可以服务至少一名顾客，多辆车同时服务同一个顾客；顾客按照时间窗的时间接受服务，当车辆早于时间窗到达顾客点，需要等待时间窗最早时间的到达再开始服务顾客；当车辆晚于时间窗到达顾客点，需要立即开始服务顾客。

2.如权利要求1所述的多约束条件的车辆路径优化方法，其特征在于：所述约束条件还包括：车辆的负载能力不超过最大容量Q；车辆对顾客的服务时间安排必须满足时间窗约束；最多使用k辆车；若顾客对某类货物有需求，则同时有取货和交货需求；所有车辆从仓库出发并最终回到仓库。

3.如权利要求1所述的多约束条件的车辆路径优化方法，其特征在于：目标函数为：min e(r)＝(max(ck),|r|,dis(r),pun(r))；

其中，e(r)表示按照重要性降序排序的词典评价函数，max(ck)表示所有顾客中被不同车辆服务最多的次数，|r|表示找到解最多需要的车辆数目，dis(r)和pun(r)分别代表该解所需车辆行驶的总距离和总惩罚。

4.如权利要求3所述的多约束条件的车辆路径优化方法，其特征在于：利用改进的人工免疫算法求解目标函数，步骤如下：步骤a：使用ETRC算法产生初始抗体群体；

步骤b：计算初始抗体群体中抗体对抗原的亲和度、抗体对抗体的亲和度及抗体浓度；

步骤c：对抗体进行克隆；

步骤d：对所得抗体种群进行变异处理；

步骤e：重复执行步骤a到步骤d。

5.如权利要求4所述的多约束条件的车辆路径优化方法，其特征在于：所述步骤c中，将求得的抗体亲和度和浓度的加权值最大的抗体作为最优抗体并克隆指定数目个抗体，剩余抗体数量进行克隆。

6.如权利要求4所述的多约束条件的车辆路径优化方法，其特征在于：所述步骤d中，使用交叉算子、变异算子和变邻域搜索策略处理抗体使其变异产生新的抗体。

7.如权利要求4所述的多约束条件的车辆路径优化方法，其特征在于：所述步骤e中，重复执行步骤a到步骤d，直到达到最大免疫代数求得该免疫代数下的最优解作为优化后的车辆路径。

8.多约束条件的车辆路径优化系统，其特征在于：包括：路径优化函数构建模块，被配置为：获取需要配送的货物种类数量、需要配货的顾客数量和每辆车能够运输的货物种类数量，构建以配货总成本最小为目标的函数；

路径优化函数求解和优化方案下发模块，被配置为：求解目标函数的结果作为优化后的车辆路径，将求解得到的车辆路径发送给相应车辆。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7中任一项所述的约束条件的车辆路径优化方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7中任一项所述的约束条件的车辆路径优化方法中的步骤。