1.一种地震灾后无人机应急物资配送方法，其特征在于，所述方法包括：S1、获取救灾点信息、多个站点信息和无人机信息；

S2、基于所述救灾点信息、多个站点信息和无人机信息，以需求加权到达时间之和最小化为目标构建多站点多无人机配送模型；

S3、通过混合遗传算法对所述多站点多无人机配送模型求解，获取每架无人机为一个或多个灾民聚集点进行物资配送的最优任务规划方案；

其中，所述多站点多无人机配送模型包括目标函数和约束条件，目标函数采用公式(1)来表示：

其中，i为灾民聚集点编号，N为灾民聚集点集合；h为无人机编号，H为无人机集合； 为编号为h的无人机送达点i的包裹数量； 为编号为h的无人机到达灾民聚集点i的时间；

所述约束条件采用公式(2)至(10)来表示：其中：

公式(2)表示每个灾民聚集点仅被访问一次；公式(3)表示灾民聚集点进出平衡约束；

公式(4)表示每架无人机仅使用一次；公式(5)和公式(6)表示消除子路径约束，并确保每条路径无人机飞行时长不能超过无人机最大续航时长；公式(7)～(9)表示确保每条路径上灾民聚集点的总需求不能超过无人机能够承载的最大容量；公式(10)表示决策变量约束；

l、i和j为灾民聚集点编号，V为所有节点集合；D为无人机站点集合，N为灾民聚集点集合；h为无人机编号，H为无人机集合； 为决策变量，编号为h的无人机从节点i到达节点j的路径； 为决策变量，编号为h的无人机从节点l到达灾民聚集点i的路径； 为决策变量，编号为h的无人机从灾民聚集点i到达节点j的路径； 为决策变量，编号为h的无人机从节点r到达节点i的路径；为编号为h的无人机从节点i到节点j的飞行时长；为编号为h的无人机访问灾民聚集点j后已飞行时长，为编号为h的无人机访问灾民聚集点i后已飞行时长，为编号为h的无人机访问灾民聚集点r后已飞行时长，Sh为编号为h的无人机的续航时间；q为一个标准包裹的重量； 为到达灾民聚集点j之前无人机h的负载， 为到达灾民聚集点i之前无人机h的负载； 为编号为h的无人机送达点j的包裹数量；Qh为编号为h的无人机能够承载的最大容量；M为一个大的正整数。

2.如权利要求1所述的地震灾后无人机应急物资配送方法，其特征在于，所述步骤S3包括：

S301、基于灾点信息、多个站点信息、无人机信息和多站点多无人机配送模型获取无人机配送应急物资的初始任务规划方案集合；

S302、在混合遗传算法中引入双适应度评价策略，从初始任务规划方案集合中选择每架无人机为一个或多个灾民聚集点进行物资配送的最优任务规划方案。

3.如权利要求2所述的地震灾后无人机应急物资配送方法，其特征在于，所述双适应度评价策略包括：

需求到达时间适应度函数Fitn1和总飞行时长约束惩罚适应度函数Fitn2，计算公式如下：

其中，i为灾民聚集点编号，N为灾民聚集点集合；h为无人机编号，H为无人机集合； 为编号为h的无人机送达点i的包裹数量； 为编号为h的无人机到达灾民聚集点i的时间；

其中，i和j为节点编号，V为所有节点集合；h为无人机编号，H为无人机集合；为编号为h的无人机从节点i到节点j的飞行时长； 为编号为h的无人机从节点i到达节点j的路径；χ为参数惩罚权重； 为到达灾民聚集点j之前无人机h的负载；Qh为编号为h的无人机能够承载的最大容量；

公式(11)的Fitn1适应度值是染色体表示的无人机配送路线的需求加权到达时间总和，Fitn1适应度值越小说明路径规划方案越优，公式(12)的Fitn2适应度值是染色体表示的无人机配送路线的飞行时长约束惩罚适应度函数值，Fitn2适应度值越小说明路径规划方案越优；

对于任务规划方案的比较，以Fitn1为主要适应度函数，在比较过程中出现两条路径规划方案的Fitn1值相同的情况下，比较两条路径规划方案Fitn2适应度值，获取每架无人机为一个或多个灾民聚集点进行物资配送的最优任务规划方案。

4.如权利要求3所述的地震灾后无人机应急物资配送方法，其特征在于，所述步骤S302包括：

S302a、设置遗传算法的执行参数和通过公式(11)计算路径规划方案集合中每个规划方案的适应度值；

S302b、从路径规划方案集合中随机选择，选择出的两个规划方案用于遗传操作；

S302c、对选择出的两个规划方案采用多分区段交叉算子进行交叉操作，从而得到两个新的规划方案；

S302d、以公式(11)计算两个新的任务路径规划方案的适应度值，与步骤S302b选择的两个任务路径规划方案的需求加权到达时间进行比较，若新的任务路径规划方案的需求加权到达时间小于其中一个随机选择的原先任务路径规划方案的需求加权到达时间时，则在任务路径规划方案集合中，由新的任务路径规划方案替换原先任务路径规划方案，若比较过程中，其中原先任务分配路径规划方案与的新的任务分配路径规划方案需求加权到达时间相等，则以公式(12)计算两个任务分配路径规划方案的飞行时长约束惩罚适应度函数值，若新的任务路径规划方案的飞行时长约束惩罚适应度函数值小于原先任务路径规划方案时，则在任务路径规划方案集合中，由新的任务路径规划方案替换原先任务路径规划方案；

S302e、重复步骤S302b～S302d，到达预设的最大迭代次数停止，得到较优任务路径规划方案集合，从规划方案集合中找出适应度值最小的方案，作为当前最优方案，进入局部搜索操作；

S302f、通过分区段局部搜索操作对当前任务路径规划方案进行多轮迭代更新，得到最优规划方案，通过多次邻域搜索，获得每架无人机为一个或多个灾民聚集点进行物资配送的最优任务规划方案。

5.如权利要求4所述的地震灾后无人机应急物资配送方法，其特征在于，所述S302c包括：

步骤1、根据无人机编号分别将两条父代染色体Fα和Fβ分成|H|个区段；

步骤2、将父代染色体Fα和Fβ中相同区段染色体进行交叉操作，操作如下：判断染色体区段Fαh和Fβh的第1行是否有相同的灾民聚集点，若没有相同灾民聚集点，则在染色体区段Fαh和Fβh中随机选择两个灾民聚集点，分别将区段Fαh和Fβh分成Fαh‑1、Fαh‑2、Fαh‑3和Fβh‑1、Fβh‑2、Fβh‑3各三个部分，将区段Fαh和Fβh分别按照Fαh‑1‑Fαh‑3‑Fβh‑2和Fβh‑1‑Fβh‑3‑Fαh‑2的顺序进行拼接，得到新的染色体区段Fγh和Fδh；如果有一个相同的灾民聚集点，则选择Fαh和Fβh中该灾民聚集点后的基因位进行交换，得到新的染色体区段Fγh和Fδh；

和/或

分区段局部搜索操作包括：

随机从无人机集合H中选择两架无人机，根据无人机编号找到当前任务路径规划方案对应区段，从两个区段中各选择一个灾民聚集点，将两个灾民聚集点进行交换，选择和交换过程避开区段中首位和最后一位基因，将交换后的区段根据无人机编号重新插入规划方案中，得到新的任务规划方案；

对任务路径规划方案进行分区段局部搜索操作时，当新任务规划方案适应度值小于先前任务规划方案适应度值时，新任务规划方案代替先前任务规划方案进行下一轮局部搜索。

6.一种地震灾后无人机应急物资配送装置，其特征在于，所述装置包括：信息获取模块，用于获取救灾点信息、多个站点信息和无人机信息；

模型构建模块，用于基于救灾点信息、多个站点信息和无人机信息，以需求加权到达时间之和最小化为目标构建多站点多无人机配送模型；

模型求解模型，用于通过混合遗传算法对多站点多无人机配送模型求解，获取每架无人机为一个或多个灾民聚集点进行物资配送的最优任务规划方案；

其中，所述多站点多无人机配送模型包括目标函数和约束条件，目标函数采用公式(1)来表示：

其中，i为灾民聚集点编号，N为灾民聚集点集合；h为无人机编号，H为无人机集合； 为编号为h的无人机送达点i的包裹数量； 为编号为h的无人机到达灾民聚集点i的时间；

所述约束条件采用公式(2)至(10)来表示：其中：

公式(2)表示每个灾民聚集点仅被访问一次；公式(3)表示灾民聚集点进出平衡约束；

公式(4)表示每架无人机仅使用一次；公式(5)和公式(6)表示消除子路径约束，并确保每条路径无人机飞行时长不能超过无人机最大续航时长；公式(7)～(9)表示确保每条路径上灾民聚集点的总需求不能超过无人机能够承载的最大容量；公式(10)表示决策变量约束；

l、i和j为灾民聚集点编号，V为所有节点集合；D为无人机站点集合，N为灾民聚集点集合；h为无人机编号，H为无人机集合；为决策变量，编号为h的无人机从节点i到达节点j的路径； 为决策变量，编号为h的无人机从节点l到达灾民聚集点i的路径；为决策变量，编号为h的无人机从灾民聚集点i到达节点j的路径； 为决策变量，编号为h的无人机从节点r到达节点i的路径；为编号为h的无人机从节点i到节点j的飞行时长；为编号为h的无人机访问灾民聚集点j后已飞行时长，为编号为h的无人机访问灾民聚集点i后已飞行时长，为编号为h的无人机访问灾民聚集点r后已飞行时长，Sh为编号为h的无人机的续航时间；

q为一个标准包裹的重量； 为到达灾民聚集点j之前无人机h的负载，为到达灾民聚集点i之前无人机h的负载； 为编号为h的无人机送达点j的包裹数量；Qh为编号为h的无人机能够承载的最大容量；M为一个大的正整数。

7.一种计算机可读存储介质，其特征在于，其存储用于地震灾后无人机应急物资配送的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1～5任一所述的地震灾后无人机应急物资配送方法。

8.一种电子设备，其特征在于，包括：一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1～5任一所述的地震灾后无人机应急物资配送方法。