1.一种改进的基于大规模多中心问题的路径规划方法，其特征在于，该方法包括如下步骤：S1：对车辆服务对象，即街道，采用最近距离法将任务集T的任务划分至VD中的各中心点处，形成子问题RCS[1]，RCS[2]，…，RCS[|VD|]，其中，VD为中心点集合。采用某种方法求解，获取所有子解S[i]。连接所有子解，形成整个问题的初始解决方案S；

S2：重复步骤S1若干次，获取最优初始解S，其可表示为S3：利用初始解决方案，对S’中的任务寻找新的合适位置，并将改变后的路径放置入临时集合TRS中；

S4：对临时集合TRS中的所有路径采用优化的分割处理方法进行切割，并将所得路径并入至待分配路径集合RS’中；

S5：采用所述三标准问题分解方法将所述待分配路径集合RS’中的路径分配至VD中的中心点处，使用2-OPT、Ulusoy Splitting方法进行处理，得到该子问题的子解S*i；

S6：采用局部优化方法对其邻域进行搜索，将所有的子问题的解S*i进行汇集，获得新的解决方案S*；

S7：若S*优于S，则以S*取代S；否则，放弃S*；如此，反复若干代后结束，最终的S即为满意的问题解。

2.根据权利要求1所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤S3中对S’中的任务寻找新的合适位置，并将改变后的路径放置入临时集合TRS的方法为：对于某子解Si中路径r，在其他子解中寻找Nr-1条距离其最近的路径，以此Nr条路径构成集合Sr，从初始解决方案S中删除Sr中的所有路径；然后对集合Sr中的任务搜寻新的合适位置，并进行移动，得到新的集合Sr’；若经过移动后，新的集合Sr’中路径的总耗费有所降低，则将新的集合Sr’中的路径加入临时集合TRS中，否则，将集合Sr加入到临时集合TRS中。

3.根据权利要求1所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤S1、S2的具体步骤为：步骤1)：采用最近距离法，将所有任务分配至VD中各中心点处的，得到|VD|个子问题，TCS[1]，TCS[2]，…，TCS[|VD|]；

步骤2)：d←1；

步骤3)：对TCS[d]中的任务采用BIH法，构造长路径Rd；

步骤4)：对长路径Rd采用Ulusoy Splitting进行分割，得到子解Sd；

步骤5)：d←d+1；

步骤6)：若d≤|VD|，则转步骤3)继续构造子解；

步骤7)：连接所有子解，得到问题的完整解S，即步骤8)：k←1，k为用来生成初始解的循环变量；

步骤9)：以VD中每个点为中心，构造一空子解，得到步骤10)：从任务集T随机选取一任务t，分配至VD最近的中心点，令为d；

步骤11)：将t采用BIH法插入到子解S’d中；

步骤12)：重复步骤10)和11)，直到任务集T中无任务可选；

步骤13)：连接所有子解，得到问题的完整解S’，即步骤14)：若S’较S好，则以S’更新S；

步骤15)：k←k+1；

步骤16)：若k≤Max_Num-1，则转步骤9)继续构造随机解；

其中，步骤16中Max_Num为初始解的尝试次数，其值采用MDMA的种群规模值。

4.根据权利要求2所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤S3的具体步骤为：以初始解决方案S为当前解，其中，

步骤11：随机生成{1:|VD|}的排列，S’←S，TRS←Φ，RS←Φ；

步骤12：i←1；

步骤13：r←1；

步骤14：在S’的第 个子解中，计算路径距离，找出离子解Si’中的路径r最近的Nr-1条路径，与路径r一并构成集合Sr；若集合Sr中只有路径r，则将子解Si’的剩余路径加入临时集合TRS，并转步骤12；

步骤15：对于集合Sr，使用单点插入算子SI及交换算子Swap寻找各任务的合理位置，并移动，得到集合Sr’；

步骤16：若集合Sr’优于集合Sr，则将集合Sr’并入临时集合TRS；否则，将集合Sr并入临时集合TRS；

步骤17：从S’中删除集合Sr中的路径；

步骤18：r←r+1；

步骤19：若r≤|Si’|，转步骤14继续，其中，|Si’|为子解Si’中的路径数；

步骤20：i←i+1；；

步骤21：若i≤|VD|，转步骤13继续搜索；

步骤22：将临时集合TRS中的所有路径采用优化的分割处理方法进行切割，并将所得路径并入至待分配路径集合RS’中。

5.根据权利要求4所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤14中计算路径距离采用以下方法：其中，两条路径r1和r2的距离为：

两个任务x1和x2的距离为：

其中，hv(x1)、tv(x1)分别表示任务x1的第一和第二端点。

6.根据权利要求4所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述优化的分割处理方法的具体步骤如下：步骤31：获取所述初始解决方案

步骤32：iter←1，noimp←0；

步骤33：improve←false；

步骤34：S’←S；

步骤35：对于S’每个子问题的解Si’中的所有路径采用路径切割策略SR，形成较短的路径，放置RS中；

步骤36：采用所述三标准问题分解方法将RS中的路径分配至VD的相应中心点处，得到子问题RCS[1]，RCS[2]，…，RCS[|VD|]；

步骤37：将每个子问题RCS[i]中的路径连接起来，形成一条长路径LRi；

步骤38：使用2-OPT、Ulusoy Splitting方法和局部优化方法对路径LRi进行切割和优化，得到子解S*i；

步骤39：连接所有子解，得到完整解S*，即步骤40：若S*优于S，则以S*更新S，即S←S*，并置improve←true；

步骤41：若improve＝true，则置noimp←0，否则，置noimp←noimp+1；

步骤42：iter←iter+1；

步骤43：若iter≤MaxIter且noimp≤MaxNoImpIter，则转步骤32继续执行，否则输出解决方案S；

上述步骤中，MaxIter为最大迭代次数，MaxNoImpIter为最大改进迭代次数，即问题解若持续MaxNoImpIter未得到改善，则问题求解过程提前结束。

7.根据权利要求6所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤35具体为：步骤61：i←1；

步骤62：r←1；

步骤63：采用路径切割策略SR对子解Si’中的路径r切割，并将所得子路径归入RS’中；

步骤64：r←r+1；

步骤65：若r≤|Si’|，则转步骤63继续切割Si’中的路径，|Si’|为子解Si’中的路径数；

步骤66：i←i+1；

步骤67：若i≤|VD|，则转步骤62继续切割后续子解中的路径。

8.根据权利要求7所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述路径切割策略SR具体为：步骤71：依据S*以及等级矩阵Mrank，对S*中所有连接计算等级平均值ARV；

步骤72：令k＝1；

步骤73：从S*中删除Rk；

步骤74：根据步骤71所计算ARV，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75：从goodset和badset中分别挑选出连接goodlink，badlink：步骤76：令pr1＝rand()％1000/1000，若pr1

步骤77：令pr2＝rand()％1000/1000，若pr2

步骤78：将分割后的子路径插入到S*中；

步骤79：k＝k+1，若k<＝m，则转步骤73，继续分割路径。

步骤80：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。

9.根据权利要求8所述的改进的基于大规模多中心问题的路径规划方法，其特征在于，所述步骤75中选取goodlink，badlink的具体方法为：采用轮盘赌的方式选取goodlink，badlink。