1.一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，包括如下步骤：

步骤1，根据露天矿实际生产调度建立主要指标体系；

步骤2，以运输成本最小、运输距离最短以及等待时间最小为目标，构建金属露天矿多目标调度模型；

步骤3，对NSGA‑Ⅲ算法进行改进，得到基于距离支配关系的NSGA‑Ⅲ算法；

步骤4，采用改进的算法对金属露天矿多目标调度模型进行求解。

2.根据权利要求1所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述步骤1中，首先获取露天矿的运输路网数据，包括各路段的距离及通行能力；其次，通过调取以往的实际生产数据获取矿山实际生产中装、卸载点的产量要求，实际的装、卸载所耗费的时间，最后，通过对原始的实际数据进行分析，得出空载状态及重载状态下的单位成本，以及日常维护的费用。

3.根据权利要求1所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述金属露天矿多目标调度模型如下：F(X)＝Minimize(f1(X),f2(X),f3(X))其中：

minf1(X)表示运输成本最小化，minf2(X)表示运输距离最小化，minf3(X)表示等待时间最小化，h表示回路个数，r＝1,2...,h，xrij表示回路r中从装载点i到卸载点j的重载运输次数，dij表示装载点i到卸载点j的距离，C1表示卡车重载运行状态下单位成本，yrji表示回路r中从卸载点j到装载点i的重载运输次数，C2表示卡车空载运行状态下单位成本，Kr表示第r个回路上卡车数量，T0表示班次时间，C3表示班次时间内卡车维修费用，Tz表示装载时间。

4.根据权利要求3所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述金属露天矿多目标调度模型还包括如下约束条件：其中，约束条件(4)表示出矿点最小生产任务要求；约束条件(5)表示出矿点最大生产能力；约束条件(6)表示受矿点最小任务量要求；约束条件(7)表示受矿点最大生产能力；约束条件(8)表示卸载点矿石品位应该在允许范围内；约束条件(9)表示卡车数量限制；约束(10)表示在同一回路内保证车辆不拥堵的约束；

m表示装载点数目，i＝1,2,...,m，C表示卡车装载量，pi表示第i个装载点最小任务量，qi表示第i个装载点最大产出量，n表示卸载点数目，j＝1,2,...,n，gj表示第j个卸载点最小任务量，fj表示第j个卸载点最大承载力，Gi表示第i个装载点出矿品位，K表示卡车数量，ej表示第j个卸载点的品位需求， 表示卸载点允许的品位波动偏差。

5.根据权利要求1或3或4所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述对NSGA‑Ⅲ算法进行改进的方法如下：在原始NSGA‑Ⅲ算法中引入均匀分布的参考点，然后将参考点与原点连接形成参考线，计算所有个体到参考线的垂直距离，将个体与垂直距离最小的参考点关联；通过快速Pareto非支配排序形成非支配等级，然后按照由低到高的顺序加入归档集，在归档集种群规模大于N时，利用小生境选择技术使归档集种群规模为N，改进后使用距离支配关系对种群进行非支配排序，划分非支配层级。

6.根据权利要求5所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述距离支配关系是指，如果解X1距离支配解X2，即X1X2，则满足下列条件：其中 是个体X1到理想点的欧氏距离， 是个体X2到理想点的欧氏距离，将欧氏距离作为适应度值来选择更优的解，表示两个候选解的目标值之间的夹角，即是每个候选解的所属小生境的大小。

7.根据权利要求5所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述 设置为第(|P|/2)个最小夹角，以保证解集P中非支配解的比值总是在

0.5，即，在非支配排序过程中，使得一半的种群处于非支配层级。

8.根据权利要求5所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，采用基于距离支配关系的NSGA‑Ⅲ算法对多目标调度模型进行求解，具体求解过程如下：

Step 1确定种群规模，产生初始父代种群，每一个种群对应一条运行路径；

Step 2将父代群进行交叉、变异的遗传操作形成新的子代种群；

Step 3将父代种群与子代种群合并；

Step 4按照所述多目标调度模型，计算合并后种群中所有个体的目标值；

Step 5根据种群中每个个体的目标值按照距离支配关系进行非支配排序；

Step 6按照非支配层级由低到高的顺序加入归档集，到达临界层时采用小生境选择技术使归档集种群规模与初始种群规模一致；

Step 7判断是否满足设定的迭代次数这一终止条件，是则结束算法输出结果，否则转Step 2。

9.根据权利要求8所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述Step 5中，使用距离支配关系将种群个体按照目标值进行非支配排序，过程如下：

(1)根据目标函数f1(X)，f2(X)和f3(X)计算每个种群个体目标函数值，在初始化种群中，每一条运行的路径对应为算法中的一个个体；

(2)分别比较每一维目标函数值，选取每一维目标函数值的最小值作为理想点；

(3)计算种群中每个个体与其他个体之间的最小夹角，从而得出小生境大小 并根据距离支配关系划分非支配层级。

10.根据权利要求8所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述根据距离支配关系划分非支配层级的方法是：如果解X1与解X2之间的夹角小于小生境大小，则仅比较两个解到理想点之间的距离来判断非支配关系；如果两个解之间的夹角大于小生境的大小，则考虑能否在一定区间内保留到理想点较远的个体，进而保证种群多样性。