1.基于精英驱动粒子群算法的快递配送路线优化方法，其特征在于，步骤如下：步骤1、设置快递端参数，所述快递端参数包括集散点信息、配送点信息、快递内容信息和运输工具；

步骤2、从第三方的电子地图供应商获取路网数据；

步骤3、获取订单数据，并根据订单数据生成基本配送任务和约束条件；

步骤4、从预设的优化目标集合中确定至少一种优化目标，并将优化目标在适应度函数中呈现，得到需要优化的目标函数；优化目标包括：成本最低、时间最短、营业点及时派送；

步骤5、基于枚举法处理步骤2中路网数据、步骤3中基本配送任务及约束条件，以获取配送方案的搜索空间；所述搜索空间包括运输路线、运输工具、集散点、配送点；配送员配送路线；

步骤6、基于需优化的目标函数用精英驱动粒子群算法寻找最优解，具体过程如下：以步骤4所选择的优化目标对需要优化的目标函数的各部分权重进行调整，然后利用精英驱动粒子群方法寻找最优解，精英驱动粒子群方法公式如下：

其中，t为迭代计数；c1为调整社会学习因子，c2为调整邻里学习因子，c3为调整自我学习因子；r1，r2，r3是服从[0,1]区间内均匀分布的随机数，使得搜索过程具有随机性，更能覆盖整个搜索空间；w表示惯性权重，指当前时间步的速度继承上一时间步速度的多少；x为各个粒子的位置，每个粒子的位置都代表着一条快递路线信息，所述快递路线信息包括运输路线、运输工具、集散点、配送点和配送员配送路线；v是粒子各自的速度，由于每一次迭代的时间步长均为1，即可以认为是粒子的位移量，在该位移量的驱使下粒子由当前的解跳转至另一个解；i，j分别是粒子标号以及维度标号；gbest为当前所有粒子搜索到的最优的位置，即全局最优粒子；pbest为当前各个粒子搜索到的最优的位置，nbest为当前粒子的各个邻居搜索到的最优的位置，即邻域最优粒子；

ggr与ngr为全局最优粒子与邻域最优粒子对每个粒子的引力系数，具体计算公式如下：

其中，dist代表当前粒子分别与全局最优粒子与邻域最优粒子的距离；distgmax是整个搜索空间的最大欧式距离，distnmax是邻域最优粒子所能影响的最大距离，每个维度的最大、最小搜索位置由被量化的路网信息给出：

其中，d表示搜索空间的维度；maxi表示粒子在第i个维度上取得的最大值；mini表示粒子在第i个维度上取得的最小值；

distnmax为邻域最优粒子的影响范围，引力系数与粒子间距离的平方成反比，而这也符合牛顿对万有引力的计算，同时公式(4)(5)计算出的引力系数总是一个在区间[0.5,1]间的数。

2.根据权利要求1所述的基于精英驱动粒子群算法的快递配送路线优化方法，其特征在于，以步骤4所选择的优化目标对需要优化的目标函数的各部分权重进行调整，利用含有三个优化目标的优化函数可以表示为：F(x)＝αf(x)+βg(x)+γh(x)(6)其中α为成本目标权重，f(x)为成本目标，β为时间目标权重，g(x)为时间目标，γ为营业点即时派送目标权重，h(x)为营业点即时派送目标。