1.一种求解大规模CVRP的有效方法，其特征在于，所述方法包括以下步骤：S1设置最大迭代次数MaxIter、最大无进展迭代数MaxIterNoImp；

S2生成初始解sol；进而i←0，noimpr ←0；sol′←sol；

S3使用路径切割方法SR对sol′中的路径进行切割，得到路径集合RtSt；

S4使用层次分解策略HD对RtSt分解，获得包含所有客户的虚拟客户VC，分割VC得到满足车辆载重约束的解sol″；

S5对sol″实施VNS邻域搜索；若sol″对应总行车距离少于sol，则进行替换，sol←sol″，noimp←0；否则置noimp←noimp+1；

S6执行i←i+1； 当i≤MaxIter且noimp≤MaxIterNoImp时，则转S2进行后续迭代过程，否则则结束，返回sol;所述S2中，所述初始解sol生成过程参照SAHiD初始解的生成方法，初始解的路径实际由单个客户构成。

2.根据权利要求1所述的求解大规模CVRP的有效方法，其特征在于，所述S4中，当i=0时，层次分解策略HD的最底层聚类对象是单个客户，而当i>0时，HD的最底层聚类对象是由SR分割的前一迭代过程中得到的路径集合。

3.根据权利要求1所述的求解大规模CVRP的有效方法，其特征在于，所述VNS邻域搜索包括局部搜索算子集合、扰动算子集合和信息存储结构。

4.根据权利要求3所述的求解大规模CVRP的有效方法，其特征在于，所述局部搜索算子集合对路径内的局部搜索包括单点插入、交换算子以及2‑OPT和路径间单点插入、2‑OPT以及两条路径的交叉算子。

5.根据权利要求3所述的求解大规模CVRP的有效方法，其特征在于，所述扰动算子集合包括算子：SI、双点插入以及Swap，且每个算子分单条路径和两条路径，每次随机地选取其一进行解结构的重组，以在更大范围内搜索更优的解。

6.根据权利要求3所述的求解大规模CVRP的有效方法，其特征在于，所述信息存储结构对当前解中的相关信息以及搜索记录进行存储，每条路径中客户的最小需求量、最大需求量以及两个连续客户的最小需求量和最大需求量，对SI、DI以及Swap不满足容量约束的操作进行过滤。

7.根据权利要求1所述的求解大规模CVRP的有效方法，其特征在于，所述方法将SR和HD进行合并，步骤如下：T1确定客户连接优劣的参照值LRR；

T2将当前解sol′中的每条路径，将客户连接按照LRR进行划分，分别为差连接集合PLS和好连接集合GLS；

T3分别从PLS和GLS各随机地选取一条连接，按照一定的概率进行截断，PLS中连接以高概率截断，而GLS以低概率截断，以保留好的路径结构；

T4由T3截断后路径构成集合RtSt，RtSt中的每条路径可视为一个虚拟任务；

T5随机地在[1,β·|RtSt|]产生一整数K，并以K为聚类数，对RtSt中的路径使用k‑means进行聚类；

T6对T5所得每个类中的路径采用BIH方法进行排列；

T7将T6中每个类中排列后的路径视作一虚拟客户，将所有虚拟客户汇集，重新构成虚拟任务集RtSt；

T8若|RtSt|>1，则转步骤5继续分解，否则结束;

上述步骤中，|RtSt|为RtSt中的虚拟客户数，β为压缩系数。

8.根据权利要求1‑7任一项所述的求解大规模CVRP的有效方法，其特征在于，所述方法中，以SAHiD中的HD为问题聚类方法，匹配采用类似于该算法的框架结构；使用SR对路径进行切割，以变邻域搜索对解进行局部搜索，并将SAHiD 的任务转换为CVRP客户，客户间采用欧式距离直接计算。

9.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至8中任一项所述的求解大规模CVRP的有效方法。