1.一种利用小生境蚁群规划取药路径的方法，其特征在于步骤如下：

S1：设有n个售药机构，每个售药机构中的药品种类且存储量有限，根据用户药单中对取药的快捷性需求，建立取药路径规划模型；

S2：采用蚁群算法对用户取药路径规划模型生成并优化解，利用小生境技术维持取药路径的多样性；其中蚁群算法利用NP只蚂蚁随机选择第一个售药机构作为起点，将各蚂蚁的当前位置添加到各蚂蚁自身的禁忌表中；

建立取药路径规划模型的具体方法为：

S11：设共有n个售药机构，记为a1,···,an，构成决策变量X＝(x1,x2,…,xn)；为形成有效的访问路径，在决策变量中标记不访问的售药机构的序号xi＝0，将购买到所有药品需要访问的m个售药机构则按其访问顺序依次标记为xj＝q,q＝1,2,…,m；记用户当前的位置为x0，用户取药完成后抵达位置为xn+1，其中n个售药机构具有异构特性，即具有不同的药品种类和存储量；

S12：记xi,xj为访问路径上两个相邻售药机构，二者之间的实际路径行驶时间为T(xi,xj)；售药机构包括药店和医院，每一个药店和医院的取药时间分别设为t0和t1，设所访问的售药机构中存在 个药店和 个医院，则访问路径所需的总取药时间为用户从当前位置出发x0，经过选中的售药机构，最终抵达完成位置xn+1，则访问路径所需的总时间为：S13：假设用户药单中的药品集合为L，第k种药品的需求量为dk，对于售药机构i，第k种药品的库存量为 则该售药机构对第k种药品的满足度，记为式(2)确保了每种药品都能一次性取完；为保证用户药单中所有药物都取到，则对于用户药单中的任一药品，在所访问的售药机构中，至少有一个售药机构取到满足数量需求的该种类药品，即：S14：由此，构建取药路径规划的模型为：

S3：蚁群算法中的蚂蚁通过信息素和启发式信息来选择取药路径中起点后行进的下一个售药机构作为节点，因此利用改进状态转移概率来确定各蚂蚁选择下一个节点，然后将移动的节点位置更新该蚂蚁自身的禁忌表；

S4：循环步骤S3直至满足取药路径规划模型中的药品满足度约束条件，对不能满足所有药品需求的不可行解进行局部信息素更新；

S5：在每一代的所有蚂蚁寻解完成后，对当前各小生境的最优解运用2‑opt，即两元素优化方法，在最优解方案中选择两个取药处并交换顺序，如果改变顺序后改进了原解，则将原解替换为新解；

S6：通过目标值和共享路径距离评价每只蚂蚁寻得的取药方案个体，分别得到适应值和相似度并更新小生境；以共享路径距离s来度量两个蚂蚁寻得取药方案的相似度；每代根据小生境的质量，即其最优个体的目标值大小Tmin，更新分配到每个小生境的蚂蚁数目；

S7：按照全局信息素更新规则更新全局信息素；

S8：判断是否达到作为终止条件的最大迭代次数，若满足，则输出全局信息素更新后的取药方案；否则，清空每只蚂蚁的禁忌表，并跳转到步骤S2；

S9：把所得的取药方案中适应值最高的作为最优解，根据最优解选取策略，即将全局信息素更新后的所有取药方案与最优解比较，把差距小于可接受程度ε的解保存进最佳取药方案保，否则遗弃，从而获得一组最佳取药路径规划方案。

2.根据权利要求1所述的利用小生境蚁群规划取药路径的方法，其特征在于改进的状态转移概率计算方法如下：S31：蚂蚁通过信息素τ和启发式值η来选择新进的下一个节点，因此信息素τ越多、启发式值η越高的路径被选中的概率越大，下一个节点的状态转移的概率公式如下：其中，iter为当前迭代次数，iter_max为最大迭代次数，β为蚂蚁信息素启发因子，γ为期望启发因子，allow表示蚂蚁尚未访问的售药机构节点集合；信息素与启发式信息的权重比μ和ζ随着迭代的进行自适应改变，使得启发式因素在迭代前期占比更大，之后接近于1；

在迭代中期，信息素的影响力增大，加快收敛速度；而在后期，降低信息素的影响，特别是在迭代的最后三分之一，信息素的权重比μ降至1以下，以防止蚁群陷入局部最优；

其中，对于蚂蚁所在的当前位置来说，作为下一个行进节点的某个售药机构的启发式值η(xi,xj)由当前位置到该节点的实际路径行驶时间和该节点到终点的实际路径行驶时间共同决定：

3.根据权利要求1所述的利用小生境蚁群规划取药路径的方法，其特征在于基于药品满足度的约束处理包括以下内容：S41：在每只蚂蚁随机选取作为第一个节点的售药机构xi之后，对每只蚂蚁的信息素做如下变化：其中τ(xu，xi)，u＝0,1，……，n为所有节点到节点xi的边的信息素值，为信息素挥发因子，Q1为局部信息素增量系数， 为售药机构xi的药品满足度；

S42：对于蚂蚁寻得路线中的第q个售药机构xj的药品满足度

若αj＝0，则该蚂蚁不访问该售药机构，即xj不添加入该蚂蚁所构造的方案中，该蚂蚁将继续进行搜索，与此同时，削减xj与已走过的节点之间路径的信息素τ(xv,xj)：其中，Aq‑1表示一条取药路径中前(q‑1)个访问的售药机构节点集合，则xv表示该取药路径中在xj之前访问的节点，τ(xv,xj)为原点和前(q‑1)个售药机构到第q个售药机构xj的路径的信息素值，m0为常数。

4.根据权利要求1所述的利用小生境蚁群规划取药路径的方法，其特征在于所述的小生境更新包括以下步骤：S61：若为第一次迭代获得的初始种群，则执行S62～S65，以划分初始小生境；否则执行S66～S69；

S62：把具有最小适应值的取药方案作为小生境的代表点rp＝Xmin；

S63：计算第p个小生境的代表点rp与其他取药方案之间的共享距离s：以共享路径距离s来度量两个蚂蚁寻得取药方案的相似度，定义为：两个取药方案所共有的弧数，即路径数量，占两个取药方案中最大弧数的比；若X1和X2表示两个取药方案，也就是售药机构的移动序列，则共享路径距离公式为：其中，φ(X)表示取药方案X的边的集合，φ(X1)∩φ(X2)表示X1和X2所共有的弧的集合，|·|表示边的数量；

S64：将步骤S63所获得的共享距离降序排列，选取前d个取药方案个体进入第p个小生境；

S65：重复上述选取过程，直到所有蚂蚁寻得的取药方案个体都分配到各自的小生境中；

S66：将前一代各小生境最优个体分别作为代表点，同样以公式(11)分别计算当前代所得的各小生境最优个体与各代表点的共享路径距离；

S67：对于当前代某最优个体，若其与各代表点的共享距离均为0，则执行S68，否则，执行S69；

S68：创建新的小生境，将该个体添加进此小生境；

S69：把该个体添加进与其共享距离之和最大的小生境内，同时将该小生境中最差的个体移除，从而获得新的小生境。

5.根据权利要求4所述的利用小生境蚁群规划取药路径的方法，其特征在于全局信息素更新步骤为：S71：每个小生境都有各自的信息素矩阵，每次迭代仅对每个小生境的最优个体路径Rbest增加信息素，其信息素增量与该个体的质量有关，即目标函数值T越小，信息素增量越大；记ρ为信息素挥发因子，Δτ为信息素增量，Q为信息素增加强度系数，则信息素更新公式为：τ(xi,xj)＝(1‑ρ)τ(xi,xj)+Δτ，(xi,xj)∈RbestS72：在步骤S68和步骤S69中涉及到将个体加入小生境，以τ0表示信息素初始值，对添加进小生境内的个体的所有路径Rin增加信息素：τ(xi,xj)＝τ(xi,xj)+0.1τ0，(xi,xj)∈Rin                    (13)S73：在步骤S69中，对移除小生境的个体的所有路径Rout减少信息素：τ(xi,xj)＝τ(xi,xj)‑0.1τ0，(xi,xj)∈Rout                   (14)。

6.根据权利要求1所述的利用小生境蚁群规划取药路径的方法，其特征在于最优解选取策略为：S91：设定可接受程度 其中Tmin为每次迭代的最优解目标值，c为常数；

S92：将所有小生境最优解与全局最优解比较，将差距小于可接受程度ε的保存进最终方案，否则遗弃。

7.根据权利要求4所述的利用小生境蚁群规划取药路径的方法，其特征在于S61中小生境的更新更新小生境的搜索资源，即更新分配到每个小生境的蚂蚁数量，具体如下：S611：每代根据小生境的质量，即其最优个体的目标值大小Tmin，更新分配到每个小生境的蚂蚁数目num(i)，记小生境的个数为N，则分配到第i小生境的蚂蚁数目：S612：限制每个小生境的蚂蚁数量在[nummin,nummax]内。