1.一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，该方法包括：构建混合整数规划模型；获取物流运送路线图，判断货物的物流运送路线图是否为欧拉回路，若为欧拉回路，则根据欧拉回路进行货物运输；若为非欧拉回路，则根据物流运送路线图获取一条遍历所有顶点的哈密顿回路，将该回路作为货物地面运输路线，对剩余客户节点的货物进行空中运输；根据混合整数规划模型MPP、货物地面运输路线以及货物空中运输路线构建运输路线的目标函数；采用改进的遗传算法对目标函数进行求解，得到货物运输路线的成本；将成本最低的物流路线作为货物的最优运输路线；运输路线的目标函数为：目标函数的约束条件包括：

A1:

A2:

A3:

A4:yij0＝1A5:y0ik＝0

A6:

A7:

A8:

A9:

A10:

A11:

A12:

A13:

A14:

A15:

其中，C表示货物运输路径的成本，C1表示货车单位行驶成本，i和j均表示客户节点，N表示所有节点数量，xij表示货车有节点i到节点j的路径，dij表示货车从节点i到节点j的行驶距离，C2表示无人机单位飞行成本，n表示客户节点数量，yijk表示无人机经过节点i、节点j以及节点k的路径，lijk表示无人机从节点i到节点j再回到节点k的飞行距离，C3表示无人机悬停成本，C4表示货车等待费用，πi表示无人机和货车在点i处的时间，α表示运输工具在ai之后到达的惩罚系数，ai表示客户i约定的最晚服务时间，表示货车到达客户点i的时间，表示无人机到达客户点i的时间；A1表示货车从配送点出发再返回配送点；A2表示要求每个客户点只访问一次；A3表示访问节点j的货车也必须从j点出发；A4表示表示无人机可以直接飞往配送中心；A5表示无人机不能直接从配送中心发射；A6表示无人机的飞行距离不超过无人机最大航程；A7表示货车行驶距离不超过最大行驶里程；A8表示无人机最多可以从任何特定节点发射一次；A9表示无人机最多可以从任何特定节点回收一次；A10表示若无人机从客户i发射在节点k被货车回收，则货车必须经过节点i和k；A11表示无人机悬停客户i处等待货车时的会合时间；A12表示货车在客户i处等待无人机时的会合时间；A13和A14均表示0‑1决策变量；A15表示无人机悬停时间不能超过无人机剩余航程时间。

2.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，构建混合整数规划模型的过程包括：确定货物运输工具，根据货物运输工具确定模型参数，该参数包括运输工具成本、客户节点、所有节点数量、运输工具由一个节点到另一个节点的路径、运输工具从节点i到节点j的行驶距离以及运输工具的运输时间；根据模型参数构建混合整数规划模型。

3.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，获取物流运送路线图的过程包括：获取所有客户节点以及配送中心，配送中心根据货物上的信息将货物运送给对应的客户节点；根据货物运输的路径构建物流运送路线图。

4.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，判断该货物的物流运送路线图是否为欧拉回路包括：确定物流运送路线图的起始位置和终点位置；根据起始位置和终点位置得到货物的运输路线；若运输路线经过物流运送路线图中每条边一次，则该物流运送路线图为欧拉回路，否则不为欧拉回路。

5.根据权利要求1所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，采用改进的遗传算法对目标函数进行求解的过程包括：步骤1：根据货物地面运输路线以及货物空中运输路线对种群进行初始化，得到染色体长度为p的初始化种群；设置迭代次数；

步骤2：计算MPP模型的适应度；

步骤3：根据MPP模型的适应度对方案群体进行选择、交叉以及变异运算，得到新的路径方案群体；

步骤4：迭代次数加1；

步骤5：判断当前的迭代次数是否满足终止条件，若不满足终止条件，则返回步骤2，若满足终止条件，则输出具有最小适应度路径方案；

步骤6：将货车的哈密顿回路作为备选路径方案，将备选路径方案与最优路径方案进行对比，得到成本最低的路径方案。

6.根据权利要求5所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，染色体长度的计算公式为：p＝(n‑h)*3其中，n为客户节点数量，h为货车服务的客户点数。

7.根据权利要求5所述的一种基于非欧拉回路的邮递员问题路径优化方法，其特征在于，遗传算法的适应度函数为运输路线的目标函数。