1.一种智能零售机的多目标温度优化控制方法，其特征在于，所述方法包括如下步骤：(1)依据外部环境温度、装备内部设定温度两个决策变量，满足约束条件下构建多目标适宜温度模型，获取适宜温度解集，包括如下步骤：多目标适宜温度模型:

式中的n是指将一天中从9点到20点划分成n个相同的时间区块，不同的k值分别代表不同时间区块的下标；式中Tin(k)为该时间区块的装备内部温度，Tmin为食品保鲜温度下限约束，Tmax为食品保鲜温度上限约束，En(k)为该时间区块的智能零售机能耗，Emax为单位时间能耗上限约束，Sal(k)为该时间区块的单一智能零售机销售额，Smin为单位时间销售额下限约束；

将外部环境温度用x表示、装备内部设定温度用y表示，在外部环境温度保持不变的情况下，改变装备内部设定温度，同时满足食品保鲜温度约束，形成多组(x,y)元素组，分别采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额，将其代入多目标适宜温度模型，如果满足模型约束条件，则将该组(x,y)归入适宜温度解集，如果不满足模型约束条件，则丢弃该组(x,y)；

在内部设定温度不变的情况下，测定不同时间段下的外部环境温度，从而也形成多组(x,y)元素组，同样采集不同组(x,y)情况下的不同时间区块智能零售机能耗、销售额，将其代入多目标适宜温度模型，如果满足模型约束条件，则将该组(x,y)归入适宜温度解集，如果不满足模型约束条件，则丢弃该组(x,y)；

(2)确定针对商品保鲜时长、装备能耗、销售额的多目标最优温度解，过程如下：

2.1，将m组的(x,y)按照非支配关系排序，每一层人为标定适应度值；

2.2，通过聚合、交叉、重组产生下一代集合W，集合大小为L；

2.3，将第n代的集合Wn和第一代集合P合并生成集合R，将集合R进行非支配排序，产生一系列优化解Fi，(i＝0,1,…)，并计算拥挤度；

2.4，把优化解Fi放到第n+1代集合Pn+1中；

2.5，判断：若Pn+1中元素组的个数等于L，则让n加1，进而判断是否是最优温度解，如果是最优温度解，则输出该组解，否则进入步骤1；若Pn+1中元素组的个数小于L，则让i加1，进入2.4；若Pn+1中元素组的个数大于L，则对Fi中的元素组的拥挤度进行排序，将较好的温度解保留下来，使得Pn+1中元素组的个数等于L，再让n加1，进而判断是否是最优温度解，如果是最优温度解，则输出该组解，否则进入步骤2.1；

输出得到的多目标最优温度解，从而获取在不同外部环境温度下的装备内部设定温度值，用压缩机调控内部温度为该设定值即可。