1.一种带时间窗的装配式建筑预制件配送路径优化方法，其特征在于，包括：确定配送路径初始参数；其中，每个客户点均设置有服务时间窗的最小值和最大值，且车辆早于客户点的服务时间窗的最小值到达或晚于服务时间窗的最大值到达时均设有相应惩罚成本；

以配送所用的车辆总数最小以及总成本最小为目标，构建装配式建筑预制件配送路径优化函数；

在相应约束条件下，采用改进的人工蜂群算法来求解装配式建筑预制件配送路径优化函数；

将得到的路径优化方案下发至相应配送车辆；

在相应约束条件下，采用改进的人工蜂群算法来求解装配式建筑预制件配送路径优化函数的具体过程为：

利用初始化策略生成初始化种群；

在雇佣蜂阶段，采用变长度的局部搜索为循环种群的每个解生成一个相应邻域解，若邻域解优于当前解，则邻域解取代当前解并更新全局最优解及其邻域解；

在跟随蜂阶段，随机选择循环种群的一个解与当前解比较，筛选出较优解后，采用变长度的局部搜索为较优解生成一个相应邻域解，若邻域解优于较优解，则邻域解取代较优解；

所述变长度的局部搜索策略，具体算法描述如下：(1)在当前所有车辆中随机选择一个车辆i；(2)在所选车辆中随机选择SL个客户点，其中SL代表了搜索的强度，较大的值代表了较精细的搜索；(3)循环每一个选择的客户点j，在其余车辆中为其寻找可插入的最好的位置；

在侦查蜂阶段，若循环种群的无更新次数超过预设最大次数，则采用基于差分进化的局部最优侦查蜂策略进行全局搜索最优解。

2.如权利要求1所述的一种带时间窗的装配式建筑预制件配送路径优化方法，其特征在于，所述配送路径初始参数还包括客户点总数、派送车辆的数量最大值、每个客户点对于任意一类货物的需求量、每辆车最大工作时间、从一个客户点到另一个客户点的路径长度和0‑1决策变量；其中，0‑1决策变量表示任意车辆从一个客户点到另一个客户点的线路是否可行。

3.如权利要求1所述的一种带时间窗的装配式建筑预制件配送路径优化方法，其特征在于，所述约束条件包括：

车辆的派送总时长不能超过系统最大限制；其中，派送总时长包括派送路途耗费时间和客户点的服务时间；

车辆的总负载不能超过系统给定的最大负载量；

每个客户点出入的车辆数量保持一致，且总的车辆数量为初始预设值；

每个客户点的后续客户点只能有一个。

4.如权利要求1所述的一种带时间窗的装配式建筑预制件配送路径优化方法，其特征在于，在侦查蜂阶段，采用基于差分进化的局部最优侦查蜂策略进行全局搜索最优解的过程包括：

受粒子群优化算法的启发，为种群中每一个解i记录其历史迭代中搜索到的局部最优解LBi；

找到当前种群中最好和最差的局部最优解，分别记为LBi1和LBj；

当前种群中如果有某个解u迭代预设最大次数无更新，则侦查蜂产生的公式如下：式中： 表示挑选的两个局部最优解的交叉操作；Rand()是一个随机生成0或1的函数，即如果生成0则 解中第k辆车的客户点取自于 否则取自于 表示新的侦查蜂的第k辆车，其客户点取值分别来自于原解 和 选择的依据是Rand()函数的结果值；K表示派送车辆的数量最大值。

5.一种带时间窗的装配式建筑预制件配送路径优化系统，其特征在于，包括存储器和处理器；

所述存储器内预存有确定的配送路径初始参数；其中，每个客户点均设置有服务时间窗的最小值和最大值，且车辆早于客户点的服务时间窗的最小值到达或晚于服务时间窗的最大值到达时均设有相应惩罚成本；

所述处理器包括：

路径优化函数构建模块，其用于以配送所用的车辆总数最小以及总成本最小为目标，构建装配式建筑预制件配送路径优化函数；

路径优化函数求解模块，其用于在相应约束条件下，采用改进的人工蜂群算法来求解装配式建筑预制件配送路径优化函数；

优化方案下发模块，其用于将得到的路径优化方案下发至相应配送车辆；

在所述路径优化函数求解模块中，在相应约束条件下，采用改进的人工蜂群算法来求解装配式建筑预制件配送路径优化函数的具体过程为：利用初始化策略生成初始化种群；

在雇佣蜂阶段，采用变长度的局部搜索为循环种群的每个解生成一个相应邻域解，若邻域解优于当前解，则邻域解取代当前解并更新全局最优解及其邻域解；

在跟随蜂阶段，随机选择循环种群的一个解与当前解比较，筛选出较优解后，采用变长度的局部搜索为较优解生成一个相应邻域解，若邻域解优于较优解，则邻域解取代较优解；

所述变长度的局部搜索策略，具体算法描述如下：(1)在当前所有车辆中随机选择一个车辆i；(2)在所选车辆中随机选择SL个客户点，其中SL代表了搜索的强度，较大的值代表了较精细的搜索；(3)循环每一个选择的客户点j，在其余车辆中为其寻找可插入的最好的位置；

在侦查蜂阶段，若循环种群的无更新次数超过预设最大次数，则采用基于差分进化的局部最优侦查蜂策略进行全局搜索最优解。

6.如权利要求5所述的一种带时间窗的装配式建筑预制件配送路径优化系统，其特征在于，在所述存储器中，所述配送路径初始参数还包括客户点总数、派送车辆的数量最大值、每个客户点对于任意一类货物的需求量、每辆车最大工作时间、从一个客户点到另一个客户点的路径长度和0‑1决策变量；其中，0‑1决策变量表示任意车辆从一个客户点到另一个客户点的线路是否可行。

7.如权利要求5所述的一种带时间窗的装配式建筑预制件配送路径优化系统，其特征在于，在所述路径优化函数求解模块中，所述约束条件包括：车辆的派送总时长不能超过系统最大限制；其中，派送总时长包括派送路途耗费时间和客户点的服务时间；

车辆的总负载不能超过系统给定的最大负载量；

每个客户点出入的车辆数量保持一致，且总的车辆数量为初始预设值；

每个客户点的后续客户点只能有一个。

8.如权利要求5所述的一种带时间窗的装配式建筑预制件配送路径优化系统，其特征在于，在所述路径优化函数求解模块中，在侦查蜂阶段，采用基于差分进化的局部最优侦查蜂策略进行全局搜索最优解的过程包括：受粒子群优化算法的启发，为种群中每一个解i记录其历史迭代中搜索到的局部最优解LBi；

找到当前种群中最好和最差的局部最优解，分别记为LBi1和LBj；

当前种群中如果有某个解u迭代预设最大次数无更新，则侦查蜂产生的公式如下：式中： 表示挑选的两个局部最优解的交叉操作；Rand()是一个随机生成0或1的函数，即如果生成0则 解中第k辆车的客户点取自于 否则取自于 表示新的侦查蜂的第k辆车，其客户点取值分别来自于原解 和 选择的依据是Rand()函数的结果值；K表示派送车辆的数量最大值。