1.一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，该方法包括：S1、堆垛机拣选相关参数初始化：输入订单中货物的节点坐标、体积和利润值信息，设置最大迭代次数N、种群大小设置为 、判断陷入深度局部最优的迭代次数 ；

S2、初始化种群：采用自然数编码的染色体形式，生成初始种群，所述初始种群内包含堆垛机的多个拣选序列；

S3、使用2‑opt算法对所述初始种群进行优化，获得较高质量的初始解；

S4、对优化后的初始种群中的所有个体进行目标值计算，所述目标值包括堆垛机拣选路径总距离 和收集货物总利润值 ；个体指堆垛机的某一个拣选序列；

S5、根据非支配排序和拥挤度距离计算，将S4中计算得到所有个体的目标值进行非支配排序，获得非支配解，存储于精英池中；

S6、对所述精英池中的非支配解进行额外的2‑opt和swap局部搜索优化，进一步提高当前迭代下的精英解质量，所述精英解为表现优秀的堆垛机拣选序列；

S7、判断是否满足终止条件，若满足则结束搜索，否则，继续执行后续步骤；

S8、比较连续迭代多次之内的局部最优解，若一直未改进，即认为陷入了深度局部最优，执行S9的增强扰动策略，否则，执行S10的一般扰动策略；

S9、增强扰动策略为增大解的跳跃范围和搜索步长，以更快地寻找全局最优解，对当前解的多条子路径进行不同的邻域动作；

S10、一般扰动策略为针对当前解的一条子路径进行邻域动作；

S11、S9执行增强扰动策略或者S10执行一般扰动策略的邻域动作后生成候选解，为避免选解规则单一性，提高解的多样性，所述候选解采用了两种策略，两种策略包括拥挤度距离和最近邻目标空间法；

S12、对所述候选解进行局部搜索，所述局部搜索基于具有埃普西隆约束的局部搜索策略，然后跳转到步骤S5继续往下迭代，直到结束搜索。

2.根据权利要求1所述的一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，所述堆垛机拣选路径总距离 采用以下目标函数计算：(1)

式中， 表示i节点和j节点之间的距离；决策变量： 表示第k次作业在拣选完i节点的货物后直接拣选j节点的货物，否则为0；和 分别为对应作业次数超载和拣选体积未达到预定值的惩罚系数； 和 分别为第k次作业的超载量和预定体积与实际拣选体积之间的差值；

所述收集货物总利润值 采用以下目标函数计算：

；

式中， 表示堆垛机访问第i个节点的利润值； 表示第k次作业访问i货位点，否则为0； 和 分别为对应作业次数超载和拣选体积未达到预定值的惩罚系数； 和分别为第k次作业的超载量和预定体积与实际拣选体积之间的差值；

和 的约束条件为：

(3)

(4)

(5)

(6)

(7)

(8)

(9)

其中， 表示第i个节点的货物体积，共需在m次作业中拣选n个节点的货物，Q表示堆垛机拣选货物的最小预定值；约束(3)表示拣选货物的总体积不小于预定值，保证堆垛机对货物节点的服务量；约束(4)限制每次作业的载重量；约束(5)表示部分原材料货位节点的访问顺序即出库后的加工顺序约束；约束(6)和(7)表示决策变量的取值范围；约束(8)表示每个货位点最多被访问一次；约束(9)表示每次从原点出发开始作业，拣选完成后返回原点出库。

3.根据权利要求1或2所述的一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，S8中判断陷入深度最优的迭代次数为5。

4.根据权利要求1或2所述的一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，S12中具有埃普西隆约束的局部搜索策略为：以堆垛机拣选路径总距离和收集货物总利润值 中的一个目标函作为主要目标函数，另一个目标函数视为主要目标函数的约束条件，以此进行局部搜索求解。

5.根据权利要求4所述的一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，进行局部搜索求解时，采用多个邻域算子以加快有效的寻找全局最优解，遍历所有邻域算子选择最优改进。

6.根据权利要求5所述的一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，多个邻域算子包括具有移除算子、插入算子、路径间交换算子和路径间重定位算子。

7.根据权利要求1所述的一种优化仓储堆垛机拣选策略的改进多目标局部搜索方法，其特征在于，S11中所述拥挤度距离为：为保证解的分布均匀性，选择拥挤度距离较大的解进行后续步骤的局部搜索，增加邻域多样性；

所述最近邻目标空间法为：根据解在目标空间上的函数值，先由两个极端解之间的连线上生成相等距离的点，然后选择到这些等距点最近距离的解进行扰动，防止扰动时的候选解过于集中，避免陷入局部最优。