1.一种用于大面积垃圾清扫的车辆路径规划方法，其特征在于，该方法包括如下步骤：清扫车辆接收清扫任务信息；其中，所述清扫任务信息中包括清扫区域地图信息和清扫规划路径信息；

根据所述清扫规划路径信息进行清扫作业；

获取约束条件信息；

根据所述未清扫区域信息和清扫规划路径信息计算预计条件信息；

当所述预计条件信息满足所述约束条件信息时，根据所述清扫规划路径信息继续进行清扫作业；

当所述预计条件信息不满足所述约束条件信息时，停止清扫作业。

2.根据权利要求1所述的用于大面积垃圾清扫的车辆路径规划方法，其特征在于，所述约束条件信息为：其中

load(Rk)≤Qk，k＝1,2,...,m上述约束条件中，t0表示特殊的任务，其端点均为depot；st(ti)表示这个行车方案中任务ti的出现次数，inv(ti)表示任务ti方向取反；load(Rk)表示路径Rk的车载量，Rk代表路径的长度，Qk为车容量。

3.根据权利要求2所述的用于大面积垃圾清扫的车辆路径规划方法，其特征在于，所述清扫规划路径信息采用以下方法制定：步骤1：初始化种群P(T)，计算个体的适应度，令最优个体为S*，并置cycle＝1；

步骤2：判断cycle是否小于最大循环次数，Max_cyc；若小于，则进入步骤3；若否，则直接输出最优个体S*；

步骤3：采用基于距离的路径分组策略获取最优个体S*的(T1,T2,…,Tg)；

步骤4：置i＝1，并判断i是否小于g；若小于，则使用优化器MAENS处理Ti，并置i＝i+1；如否，则将各子种群中的最好解连接，得到完整解S’；

步骤5：判断完整解S’是否优于S*；若是，则采用完整解S’更新S*；若否，则对S*中的路径进行分割处理；

步骤6：循环次数加1，cycle＝cycle+1，并返回至步骤2。

4.根据权利要求1所述的用于大面积垃圾清扫的车辆路径规划方法，其特征在于，所述步骤5中使用SR分割S*中的路径的具体方法为：步骤21：依据S*以及等级矩阵Mrank，对S*中所有连接按等级升序排列，取中位数MLV；

步骤22：令k＝1；

步骤23：从S*中删除Rk；

步骤24：根据步骤1所计算MLV，将Rk的连接归类到集合goodset和badset；其中，goodset为优良连接集合，badset为劣质连接集合；

步骤25：若车辆路径规划连续若干代得不到改进，则从goodset和badset各自随机挑选一个连接goodlink和badlink，转步骤27；

步骤26：从goodset和badset中分别挑选出连接goodlink，badlink：步骤27：令pr1＝rand()％1000/1000，若pr1

步骤28：令pr2＝rand()％1000/1000，若pr2

步骤29：将分割后的子路径插入到S*中；

步骤30：k＝k+1，若k<＝m，则转步骤23，继续分割路径。

步骤31：返回分割后的车辆路由方案S*。

其中，Mrank为等级矩阵，rand()表示随机产生一非负整数，pr1与pr2为由rand()函数随机产生的变量，PGsr、PBsr分别为删除优良连接和劣质连接的概率。

5.根据权利要求1所述的用于大面积垃圾清扫的车辆路径规划方法，其特征在于，所述步骤26中选取goodlink，badlink的具体方法为：步骤26-1：采用轮盘赌的方式选取goodlink，badlink；

步骤26-2：轮盘赌方式持续若干代无进展，则采用随机方式选取goodlink，badlink；如有进展，即转回轮盘赌方式进行选取。