1.基于双染色体遗传算法的带服务约束多物流车调度方法，其特征在于，包括如下步骤：S1、获取客户信息、仓库信息、物流车信息；

S2、对物流调度运输问题进行建模，基于客户物流信息，构建物流车对客户物流的可服务矩阵；

S3、设置交叉概率、变异概率、最大适应值评估次数和种群规模；

S4、随机初始化生成种群，种群中每个物流车调度方案包含两条染色体，其中第一条染色体是所有客户物流的服务序列，第二条染色体是服务每个客户物流的物流车编号；

S5、针对每个物流车调度方案，根据两条染色体的客户物流服务顺序和物流车分配信息，生成物流车服务对应客户物流的序列，对该物流车调度方案进行适应值评估，具体公式为：其中，f表示适应值函数，xk表示第k个物流车调度方案，ci表示第i个目标客户，ci+1表示第i+1个目标客户， 表示第i个目标客户与第i+1个目标客户之间的距离， 表示客户 与客户c1之间的距离，nj表示第j个物流车所服务的客户个数，表示对于单个物流车调度方案中所有物流车的运行距离之和，m表示物流车的总数；

S6、根据轮盘赌策略选择物流车调度方案形成新的种群，包括以下内容：

依据种群中个体的适应值，计算选中每个物流车调度方案的概率，具体公式为：

其中，P(xk)表示第k个物流车调度方案被选中的概率， 表示第k个物流车调度方案的适应值， 表示拥有NP个物流车调度方案的种群中所有方案的适应值总和；

依据上述计算所得的概率，按照轮盘赌选择方式，随机选择一个物流车调度方案放入新种群中；重复放回地选NP次，共选择NP个物流车调度方案形成新种群；

S7、将步骤S6所选择的物流车调度方案随机进行两两配对；针对每对物流车调度方案，按照交叉概率使用部分匹配交叉操作对两个物流车调度方案的第一条染色体进行交叉，并根据可服务矩阵对第二条染色体进行纠错，得到两个对应的子代个体，包括以下内容：对新种群中的物流车调度方案进行两两配对；针对每对物流车调度方案，产生一个在(0,1)之间的均匀随机数；若该随机数小于系统预设的交叉概率，则对该个体执行交叉操作，产生一对子代物流车调度方案，具体步骤如下：S701、设定需要进行交叉的一对物流车调度方案中的两个亲本分别称为亲本1和亲本

2；针对两个亲本中的第一条染色体，随机选择两个不同的基因位置；

S702、交换亲本1和亲本2第一条染色体中两个基因位置间的基因片段，并对第一条染色体进行纠正，产生两个新物流车调度方案，称为子代1和子代2；

S703、根据可服务矩阵，确定错误分配物流车的客户物流；再依据可服务矩阵，重新给这些客户物流分配物流车；若只有一辆物流车能服务该客户物流，则用此物流车替换错误分配的物流车；若有多辆物流车能服务该客户物流，则从所有能服务该客户物流的物流车中随机选择一辆物流车代替原本错误分配的物流车；

S8、针对步骤S7的每个子代物流车调度方案，按照变异概率，对第一条染色体进行变异操作，产生新的物流车调度方案，并依据可服务矩阵对第二条染色体进行纠错，包括以下内容：对每个物流车调度方案生成一个在(0,1)之间的均匀随机数，若随机数小于系统预设的变异概率，则对当前的物流车调度方案进行变异操作；

针对第一条染色体，随机选择两个不同的基因位置，把这两个位置上的基因进行交换，并依据可服务矩阵对第二条染色体进行如步骤S703所进行的纠正；针对第二条染色体，随机选择一个基因位置，而后随机将该位置上原有的物流车编号替换为一个能服务该位置上对应第一条染色体上的客户物流的物流车；

S9、对步骤S8所产生的物流车调度方案进行适应值评估；

S10、更新全局最优物流车调度方案，同时保存记录；

S11、若适应值评估次数达到预设次数，则输出全局最优的物流车调度方案，否则返回步骤S6重复迭代过程，直到适应值评估次数达到预设次数时停止。

2.根据权利要求1所述的基于双染色体遗传算法的带服务约束多物流车调度方法，其特征在于，步骤S1中，客户信息包括客户编号、客户坐标、客户物流对物流车的要求，仓库信息包括仓库位置，物流车信息包括物流车编号、物流车类型。

3.根据权利要求1所述的基于双染色体遗传算法的带服务约束多物流车调度方法，其特征在于，步骤S2中，构建物流车对客户物流的可服务矩阵包括以下内容：将待解决的客户物流服务优化问题建模为带服务约束的多物流车调度问题，其中物流车服务客户物流的约束条件表示为大小为n×m的可服务矩阵，其中n为客户物流个数，m为物流车个数，且n>>m；在可服务矩阵中，若数值为1则表示该物流车能服务对应的客户物流，若数值为0则表示该物流车不能服务对应的客户物流；仓库是所有的物流车的出发点和终点，因此可以被所有物流车服务；在该可服务矩阵中，每行之和表示所对应的客户物流可以被多少辆物流车服务，而每列之和表示所对应的物流车可以服务多少个客户物流。

4.根据权利要求1所述的基于双染色体遗传算法的带服务约束多物流车调度方法，其特征在于，步骤S4中，随机初始化生成初始种群包括以下子步骤：S401、对可服务矩阵中的n个客户和m辆物流车进行编号；

S402、针对每个物流车调度方案的第一条染色体，随机生成一个客户物流的服务序列；

针对每个物流车调度方案的第二条染色体，依据可服务矩阵，依次对第一条染色体中的客户物流进行物流车分配；如果某个客户物流只能允许一个物流车服务，则为该客户物流分配所指定的物流车；如果某个客户物流允许多个物流车服务，则从这些物流车中随机选择一个物流车分配给该客户物流；

S403、经过步骤S402的操作，生成一个可行物流车调度方案，该方案蕴含着m辆物流车服务客户物流的服务序列，重复NP次步骤S402的操作，则生成NP个可行物流车调度方案形成初始种群。

5.根据权利要求1所述的基于双染色体遗传算法的带服务约束多物流车调度方法，其特征在于，步骤S10中，更新全局最优物流车调度方案包括以下内容：对经历交叉和变异所产生的新种群中的每个物流车调度方案进行适应值评估，将每个物流车调度方案与最优当前最优调度方案进行比较；若某个物流车调度方案的适应值大于当前系统的全局最优物流车调度方案的适应值，则用该物流车调度方案代替当前系统中的全局最优物流车调度方案，具体公式如下：其中，xbest表示当前系统中的全局最优物流车调度方案。

6.根据权利要求1所述的基于双染色体遗传算法的带服务约束多物流车调度方法，其特征在于，步骤S11中，输出全局最优的物流车调度方案包括以下内容：初始时适应值评估次数为0，在个体适应值评估过程中，每对一个物流车调度方案进行一次评估，适应值评估次数加1；当前适应值评估次数达到预设次数时，则输出全局最优的物流车调度方案，否则返回步骤S6重复迭代过程，直到当前适应值评估次数达到预设次数时停止；

依据全局最优物流车调度方案中的两个染色体，将全局最优的物流车调度方案转化成m条客户物流的服务序列；其中每条服务序列对应一个物流车的运输路径。