1.一种考虑实际多约束的多条等效最优路径规划方法，其特征在于，所述方法包括：考虑符合实际的多约束条件并构造对应的目标函数；所述多约束条件包括复杂路网约束、负载约束、时间窗约束、需求可拆分约束；

采用改进差分进化算法EIDSDE求解得到物流配送的多条等效最优路径规划，所述改进差分进化算法EIDSDE在种群初始化阶段引入广义反向学习策略约束种群的搜索空间；在个体选择阶段，以三种概率方式在种群中选择生成差分向量的个体，并对被选择的所有个体进行拥挤距离和特殊拥挤距离的计算，同时将拥挤距离的计算方式转换为相邻欧氏距离的加权和；在变异阶段，若变异产生的个体不满足边界条件，则进行二次变异，若二次变异的个体仍不满足边界条件，则按照预设修补策略进行修补使其满足边界条件；在环境选择阶段，选择预定百分比的前级个体；所述种群中的每个个体代表物流配送的一条可能的路径。

2.根据权利要求1所述的方法，其特征在于，所述复杂路网约束指交通要素以及城市路网拓扑结构产生的约束；所述负载约束指车辆在进行装货时不得超过车辆的最大负载；所述时间窗约束指物流配送的时间上下线；所述需求可拆分约束指配送货物是否可被拆分的约束。

3.根据权利要求2所述的方法，其特征在于，所述方法考虑4种约束下所构造对应的目标函数分别为：f1车辆数:

f2总距离:

f3总配送时间:

f4总配送成本:

其中，R为完成配送任务所需的车辆数，qi为顾客i的需求量，w为车辆最大运载能力，n表示顾客的数量， 表示向上取整；

dij为顾客点i到顾客点j的配送距离， 表示第r条路线中车辆是否通过弧(i,j)，r∈R，i,j∈C'为决策变量，当且仅当第r条路线中车辆通过弧(i,j)时， 否则 表示每个顾客至少被访问1次，C＝{0,1,2,...,n}表配送中心和顾客的集合，C'＝C/{C0}表n个顾客的集合；

Tdj为车辆在顾客j处的等待时间，v表示配送车辆的速度，β为违反顾客所规定的配送时间而产生的时间成本系数， 表示配送任务是否有时间要求，bir表示车辆r到达顾客i处的实际时间，bor＝0表示车辆出发时刻为0，LTi表示允许配送车辆到达顾客i处的最晚时间；

FY为费用矩阵，每条路径aij∈A对应的费用fyij∈FY，G为车辆的固定成本，l为时间延迟r成本， α为单位距离对应的时间延迟成本，S表示

r

第r条路线中服务的顾客集合，即第r辆车负责配送的顾客集合，|S|表示集合中包含的元素个数，即顾客个数，(xi,yi)表示顾客i的坐标。

4.根据权利要求3所述的方法，其特征在于，所述方法中，每个个体代表物流配送的一条可能的路径，对应至种群中，每个个体对应一个点，每个点的维度表示该路径所经过的客户数；所述在种群初始化阶段引入广义反向学习策略约束种群的搜索空间包括：假设P为候选解，表示一条可能的路径，假设P＝(z1,z2,...,zD)为一个D维空间的点，其中z1,z2,...,zD∈R且zm∈[Lm,Um]， f(·)为候选解的目标函数适应值，则P的反向点为 其中 k＝random(0,1)，若

则 若 则表示 比P具有更好的适应

值，此时选择 代替P，否则保持不变。

5.根据权利要求4所述的方法，其特征在于，所述方法在个体选择阶段，以三种概率方式在种群中选择生成差分向量的个体，包括：第一种概率方式p1：p1＝1‑(Gc‑1)/Max_gen，以超过0.5的概率随机选择整个种群中的五个邻域作为第二种概率方式p2：p2＝(1‑p1)/2，在决策空间中选择邻域时，根据当前个体与种群中剩余解之间的平均欧氏距离，选择确定数量的邻域，然后从该确定数量的邻域内随机选择5个neighbors，选择拥挤距离最大的一个作为 其余的四个为第三种概率方式p3：p3＝1‑p1‑p2，在目标空间中选择邻域时，根据当前个体与种群中剩余解之间的平均欧氏距离，选择确定数量的邻域，然后从该确定数量的邻域内随机选择5个neighbors，然后选择拥挤距离最大的一个作为 其余的四个为其中，Gc表示当前迭代的代数，Max_gen表示最大迭代次数；

在差分进化算法中嵌入基于欧几里德距离的小生境方法，根据决策空间或目标空间中相应个体的拥挤距离，在相应个体的邻域中选择r1,r2,r3,r4,r5。

6.根据权利要求5所述的方法，其特征在于，所述方法在变异阶段，对突变的个体进行合法化处理，包括：采用DE/rand/2进行变异，差分向量生成为： 其中，vi表示差分向量，r1,r2,r3,r4,r5为相互不等的整数；F是用于缩放差分向量的比例因子；

若变异产生的个体不满足边界条件，则：

计算首次越界个体与其他变异完成个体之间的平均欧式距离davg；

在解空间内取距首次越界个体欧式距离为davg的个体x'；

将个体x'按照Vi,m＝xr1,m‑F[(xr2,m‑xr3,m)+(xr4,m‑xr5,m)]进行二次变异；如果经过第二次变异后个体仍然越界，则按照 进行修补；其中，vi,m表示th th

i 个个体在m 维上的值，Um和Lm表示决策空间的上下界。

7.根据权利要求6所述的方法，其特征在于，所述方法在环境选择阶段，选择预定百分比的前级个体，包括：按照 进行迭代，其中，Gc为当前遗传

代数，Max_gen为最大遗传代数；

当遗传代数为1时，前排选择比率为R(0＜R＜1)，当遗传代数为G*Max_gen(1＜G*Max_gen＜Max_gen)时，比率为1。

8.根据权利要求7所述的方法，其特征在于，所述缩放差分向量的比例因子F随迭代次数的增加，逐渐减小。

9.一种车辆调度方法，其特征在于，所述方法根据权利要求1‑8任一所述的考虑实际多约束的多条等效最优路径规划方法确定车辆调度方案。

10.权利要求1‑8任一所述的考虑实际多约束的多条等效最优路径规划方法在物流配送领域内的应用。