1.一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述方法包括如下步骤：

步骤1：收集需求方信息和资源业务信息，并整合为供需信息，然后判断分析需求方是否会产生资源竞争行为，如果会进入步骤2，如果没有进入步骤4；

步骤2：对于产生资源竞争的需求方通过一阶段方法求解其最佳决策时间点，以系统拥挤程度最低和系统调度风险最低为优化目标建立规划模型，并使用粒子群算法求解；

步骤3：在步骤2基础上通过二阶段方法求解资源业务分布方案，基于需求方的决策行为，以需求方决策收益值最大为优化目标建立规划模型，并使用遗传算法求解；

步骤4：初始调度结束，监测需求方决策情况，并实时更新资源业务分布状况，实现动态调度。

2.根据权利要求1所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤2的系统拥挤程度为需求方决策的集中程度，以某时刻做决策响应的人数与总的需求人数之间的比值衡量系统每个时刻的拥挤程度。

3.根据权利要求2所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤2中系统调度风险以需求方的群体满意度来衡量，需求方的决策方案是每个需求者决策时间点的组合结果，第e个群决策方案表示为Se(x1j，x2j，...，xij)，i为正整数，表示第i个需求方，j为正整数，表示第j个时间点，xij表示需求方i在时间点j的决策情况，xij＝1则表示做出响应，xij＝0表示不做出响应，不同的决策方案Se(x1j，x2j，...，xij)会有其对应的群体满意度，群体满意度可以从整体上表明决策的好坏以及稳定性，群体满意度越高需求方的决策越稳定，系统也就越稳定，选择群体满意度最大值d0作为参照点，每种决策方案的群体满意度 与d0之间表现为损失，则损失值表示系统调度风险。

4.根据权利要求3所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤2中目标建立规划模型的目标函数和约束条件为，在需求方决策时间窗内的平均拥挤程度最低函数为：

系统调度风险最低函数为：

需求方在时间窗内只会选择一个时间点做出决策响应函数为：每个时刻的系统拥挤程度函数为：

每个时刻做出决策响应的总人数函数为：系统调度风险函数为：

其中， 表示0‑1变量，需求方

i在时间点j做出决策响应时，xij＝1，反之xij＝0，m为需求方总数，为正整数，t为时间点总数，为正整数，λ为损失厌恶系数，β为风险态度系数，cj表示时间点为j时的系统拥挤程度。

5.根据权利要求4所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤2中粒子群算法对规划模型求解的具体过程为：编码，采用0‑1编码，每一条染色体对应一个可行解，代表需求方在决策时间窗内各个时间点的决策响应情况，0为不做决策响应，1为做出决策响应，每条染色体的基因数为需求方数量和时间点数量的乘积；

适应度函数，求解公式(1)和(2)两个函数的理想点为(0,0)，因此基于理想点法将多目标转化为单目标模型 并将其作为适应度函数，则适应度函数值越小越好；

粒子公式，粒子群算法根据粒子公式不断更新自己的速度和位置在解空间中追随最优的粒子进行搜索，粒子公式如式(8)和(9)所示：其中，o表示第o个粒子，ll表示第ll次迭代，d表示第d维分量，ω为惯性权重，r1和r2为随机数，取值范围是[0,1]；pbestod是个体中最优情况下的粒子位置；gbestd表示全局最优情况下的粒子位置； 表示第ll次迭代粒子o飞行速度矢量的第d维分量； 表示第ll次迭代粒子o位置矢量的第d维分量；

终止循环条件，设定最大的迭代次数为50‑100代，并且根据群体的收敛程度相结合的方式来终止循环，求解得到最优解。

6.根据权利要求5所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤3中需求方决策收益值计算具体过程为：步骤2.1：需求方评价值标准化，需求方对时间窗内的资源从若干个方面属性去判断，设需求方i对资源k的第h个的评价值为 由于不同属性评价值的取值量纲不同，因此采用线性比例变换法进行标准化，对于数值类属性评价值标准化公式如式(10)和(11)所示：对于语言类属性评价值，假设 为r级语言评价值集合{s0,s1,...,si,...,sr}元素，r为语言评价值集合的级数，则评价值标准化公式如(12)‑(13)所示：其中，标准化后的评价值表示为 (10)和(12)为收益型属性标准化过程，(11)和(13)为成本型属性标准化过程；

步骤2.2：构成需求方状态空间，所有资源的评价值集合构成了属性h的评价值空间l为评价值种类，表示属性h的评价值共有l种，所有属性的评价值空间即为需求方i的状态空间 f表示第f个状态空间，g为属性总个数，即需求方i的状态空间可以表示为：从g个属性去描述需求方的状态，其中每个属性包含l种状态评价值；

步骤2.3：需求方状态空间评价值概率计算，需求方在不同时间点的状态评价值取值概率不一样，由各时间点的资源业务分布决定如公式(14)所示：其中，ykj为0‑1变量，当时间点j有资源k时为1，反之为0， 为0‑1变量，当需求方对资源的评价值与其状态空间评价值相等时记为1，否则为0，如式(15)所示：步骤2.4：求解需求方基于各时间点的决策收益，将需求方基于各属性的状态评价值与其概率相乘，最后求和即可得到需求方i在时间点j的决策收益值如式(16)所示：步骤2.5：根据需求方收益模型，同理得到资源方决策收益值如式(17)‑(20)所示：其中， 为资源方状态空间评价值； 表示资源方k对需求方i基于属性h的评价值；yyij为0‑1变量，当时间点j属于需求方i的决策时间窗内时为1，反之为0； 为0‑1变量，当资源方对需求方的评价值与其状态空间评价值相等时为1，反之为0； 为资源方状态空间评价值取值概率；pkj为资源方被选择概率；SSEkj为资源方k在时间点j的决策收益值。

7.根据权利要求6所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤3中优化目标建立规划模型的目标函数和约束条件为：目标函数和约束条件如公式(21)‑(27)：

式(21)为目标函数，表示需求方平均决策收益值最大，Ci表示需求方i的调度时间点，式(22)‑(27)为约束条件，式(22)表示各需求方在调度时间点的决策收益值要大于其他时间点的决策收益值，式(23)为0‑1变量，当资源方k在时间点j的决策收益值大于或等于阈值wk时为1，反之为0，式(24)表示资源方至少有一个时间点的决策收益值要大于或等于阈值wk，式(25)表示概率取值范围，式(26)为0‑1决策变量，式(27)为非负约束。

8.根据权利要求7所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述遗传算法对规划模型求解的具体过程为：编码，使用0‑1编码，一条染色体对应一个可行解，表示每个时间点上每种资源的分配情况，0表示不分配，1表示分配；

适应度函数，将目标函数作为适应度函数，适应度函数值越大目标函数越大，染色体越优；

选择操作，采用轮盘赌选择，个体适应度值越大，被选中的概率越大，在选择过程中采用罚函数法调整适应度值，对于不满足约束条件的染色体适应度赋予罚函数，使其适应度值变低，则在选择过程中只会以较小的概率保留，从而淘汰掉不符合约束条件的个体；

交叉、变异操作，交叉操作采取两点交叉，随机选择两点，两个个体交换这两点的基因，变异操作则随机选取染色体上的两个位置点进行交换；

终止循环条件，设定最大的迭代代数为100‑800代来终止循环，并且根据群体的收敛程度相结合的方式来终止循环，求解得到最优解。

9.根据权利要求8所述的一种基于物流业务响应过程的资源调度优化控制方法，其特征在于：所述步骤4中动态调度为当每个时刻的需求方响应结束后，若其响应的资源会对后续时刻的需求方响应产生影响，则执行步骤3重新调整资源业务分布，反之则保持初始调度方案等待后续需求方响应资源，直至该决策时间窗内所有需求方响应完毕，则调度控制结束。