1.一种基于博弈论的工业园区物流调度方法，其特征在于，包括：根据物流任务中仓库和货运车辆的关系，利用Stackelberg博弈模型对双方进行建模，按照物流任务的属性建立出物流调度任务模型；

在所述物流调度任务模型中，根据任务决策依据求解出物流任务在各种决策下对应货运车辆的运输收益以及仓库的仓储收益；

以最大化运输收益为目标，构建出每个货运车辆的最优决策模型；以最大化仓储收益为目标，构建出每个仓库的最优决策模型；

根据梯度下降法，对货运车辆的最优决策模型进行求解，将求解结果输出至仓库的最优决策模型，并迭代两个最优决策模型直至达到预设的阈值，分别得到货运车辆和仓库的最优决策进行物流调度，即为纳什均衡的决策结果。

2.根据权利要求1所述的一种基于博弈论的工业园区物流调度方法，其特征在于，所述仓库的仓储收益的计算方式表示为：Uc＝(Rμi‑λi)ω；

其中，Uc表示仓库的仓储收益，R表示运送每单位的货物对仓库产生的收益；μi表示货运车辆执行任务i的货运量；λi表示货运车辆执行任务i的定价；ω表示仓库对货运车辆的主观偏好。

3.根据权利要求2所述的一种基于博弈论的工业园区物流调度方法，其特征在于，所述仓库对货运车辆的主观偏好通过货运车辆与仓库之间的熟悉权重，货运车辆与仓库之间的时间权重，以及货运车辆与仓库之间的相似权重进行加权求和得到。

4.根据权利要求1所述的一种基于博弈论的工业园区物流调度方法，其特征在于，所述货运车辆的运输收益的计算方式包括：若当前货运车辆的运载量M小于仓库的运货量m，则需要多辆货运车协同完成任务，货运车的运输收益表示为：

2

Us＝μiλi‑sic‑β(μiW)若当前货运车辆的运载量M大于仓库的运货量m，该货运车辆同时为多个仓库服务，货运车的运输收益可以表示为：

其中，Us表示货运车的运输收益；μi表示货运车辆执行任务i的货运量；λi表示货运车辆执行任务i的定价；Φ表示当前货运车辆需要执行的物流任务数；c表示货运车辆在货运过程中单位里程的花费；si表示货运车辆执行任务i从起始点到终点的路程；β是一个与状态相关的参数，用于指示当前工作负载与可以承担的最大工作负载之间的比率；W是货车在运输过程中的折旧率。

5.根据权利要求1所述的一种基于博弈论的工业园区物流调度方法，其特征在于，在采用梯度下降法求解出纳什均衡的决策结果之前还包括首先判断当前的物流任务是否大于

1，若大于1则采用多任务货运路径算法规划运输路径；在保证每个任务允许时间内完成的条件下，规划了每个任务的执行顺序，从而得到参与该任务的最短路径；再根据梯度下降法，对货运车辆的最优决策模型进行求解，得到该任务的决策信息。

6.根据权利要求5所述的一种基于博弈论的工业园区物流调度方法，其特征在于，所述采用多任务货运路径算法规划运输路径包括以货运车辆位置为坐标原点，每个任务的起始、终止位置为顶点，将顶点与坐标原点之间的距离作为权重生成初始矩阵图；基于动态规划算法，用二进制表示各顶点集合V，首先遍历每个顶点，对不属于该顶点集合的顶点的权值进行赋值，生成关于路程权值的二维数组；再对所述顶点集合中所有的顶点进行遍历，根据状态转移方程，更新数组中的权值；该数组中第一行最后一列的值即为所求的当前任务的最短路径，与接收该任务之前的最短路径的差值即为货运车辆执行任务i从起始点到终点的路程。

7.根据权利要求1所述的一种基于博弈论的工业园区物流调度方法，其特征在于，根据梯度下降法求解出纳什均衡的决策结果的过程包括初始化仓库的定价决策信息，货运车辆根据仓库的定价决策信息通过货运车辆的最优决策模型，计算出货运车辆的货运量决策；

基于所述货运量决策，通过仓库的最优决策模型对仓库的定价决策使用梯度辅助搜索算法进行更新；重复迭代，直至当前货运车辆的运输收益与前一轮运输收益小于预设的阈值；输* *

出此时的最优货运量策略μ和最优定价策略λ。

8.根据权利要求1所述的一种基于博弈论的工业园区物流调度方法，其特征在于，所述方法还包括当多个货运车辆竞争同一物流任务时，对每个货运车辆求解出当前任务的纳什均衡解，对每个均衡条件下的收益进行排序，得到任务对象的优先级，并选择出优先级最高的货运车辆执行本次任务。

9.一种基于博弈论的工业园区物流调度系统，其特征在于，所述调度系统包括路侧设备、车载设备、移动边缘计算服务器、数据库平台以及应用平台；所述路侧设备对仓库和货运车辆提供通信支持；所述车载设备用于对所述货运车辆定位；所述移动边缘服务器为交易过程提供计算支持即实现如权利要求1～8任意所述的一种基于博弈论的工业园区物流调度方法；所述数据库和应用平台记录任务交易信息和广播任务请求。