1.一种时间窗约束下的卡车无人机任务分配方法，其特征在于，包括以下步骤：S1、确定配送任务的基础信息；

S2、基于基础信息，构造卡车的初始配送路线；

S3、基于卡车的初始配送路线，生成无人机路线，并得到卡车无人机配送路线的解；

S4、构建邻域结构；

S5、基于邻域结构，采用双重变邻域搜索算法对卡车无人机配送路线的解进行迭代优化，获得最优卡车无人机配送路线；

所述步骤S1中的基础信息包括顾客的初始位置对应的距离矩阵，顾客的时间窗对应的时序约束矩阵以及配送任务需要的卡车数量；

其中，基于n个顾客点 ，确定两两顾客之间欧氏距离的代价矩阵，即为距离矩阵D；

第i个顾客的时间窗为 ，根据全部顾客的时间窗得到对应的时序约束矩阵为 ；

表示时序约束矩阵 的第 行第 列的元素，若 ，则 ，否则 ；其中，表示允许顾客i最早被访问的时间， 表示允许顾客i最晚被访问的时间；

所述步骤S2具体为：

S21、初始化卡车路线 ，将仓库点0加入到当前已访问点的集合 中；

同时，将当前已行驶距离最短的卡车记为 ，且当有多辆已行驶距离相同的卡车时，从中随机抽取一辆卡车记为 ；

S22、根据时序约束矩阵 得到由 中全零列的索引构成的集合B，基于集合B确定待插入的顾客点 并将其插入到卡车 的当前路线中；

S23、基于卡车 的当前路线，更新集合 、时序矩阵 和卡车 的路线 ，并根据所有卡车路线更新 ；

S24、判断当前集合 中是否包含了全部的顾客点索引；

若是，则进入步骤S25；

若否，则返回步骤S22；

S25、将当前所有卡车路线作为初始配送路线；

所述步骤S22中，待插入的顾客点 为：式中， 表示卡车 当前路线上最后一位顾客的索引， 表示卡车 从顾客点 到顾客点 的旅行时间；

所述步骤S23中，集合 、时序矩阵 和卡车 的路线 的更新公式为：式中， 表示集合中元素仅为顾客点 的集合， 表示时序矩阵 中第 行的全部元素， 表示并集；

所述步骤S3具体为：

利用Fast‑2Opt策略对卡车的初始配送路线进行初步优化，再利用FindSortie策略生成无人机路线，进而得到卡车无人机配送路线的初始解 ，并初始化当前解 、全局最优解 ，且记解 的旅行成本为 ， 的旅行成本为 ；

所述步骤S4中，构建的邻域结构的邻域操作包括：（1）随机交换点：随机取解向量的上部向量中的两个点，并将该两点的位置进行交换；

（2）随机交换整体：随机取整个向量中的两列，并将其位置进行交换；

（3）随机插入点：随机取解向量的上部向量中的一个点，并随机插入到上部向量的其他位置；

（4）随机插入整体：随机取整个解向量中的一列，并随机插入到整个解向量的其他位置；

（5）去除无人机路线：随机取解向量的下部向量中元素值为1的点，将其值改为0；

（6）添加无人机路线：随机取解向量的下部向量中元素值为0的点，将其值改为1；

（7）随机翻转点：随机取解向量的下部向量中的两个点，然后将下部向量中这两个点之间的序列进行翻转；

（8）随机改变值：随机取解向量的下部向量中的一段序列，然后将该段序列的值进行转变；

（9）随机交换不同的值：随机取解向量的下部向量中两个元素值不同的点，并进行位置交换；

（10）下部向量的随机插入：随机取解向量的下部向量中的一个点，并随机插入到下部向量的其他位置；

（11）随机比例交换点：根据卡车数量 ，将解向量分为相应 个局部解向量，然后随机取其中两个局部解向量的上部向量中的两段序列，并满足：（12）随机比例交换整体：根据卡车数量 ，将解向量分为相应 个局部解向量，然后随机取其中两个整个局部解向量中的两段序列，并满足：式中， 、 分别是两个局部解向量的上部向量的长度， 、分别是对应其局部解向量的上部向量中该段序列的长度；

所述步骤S5具体为：

S51、初始化迭代次数k=1；

S52、随机采取一个邻域结构对解 进行一次邻域扰动，得到扰动后的解为 ，并记解的旅行成本为 ；

S53、采用操作 对解 进行迭代优化得到新的解 和对应的旅行成本 ，并判断 是否成立；

若是，则将解 赋予解 ，旅行成本 赋予 ，解 赋予全局最优解 ，旅行成本赋予 ，使k的值为1，返回步骤S52；

若否，则将k的值增加1，并进入步骤S54；

S54、判断 是否成立：

若是，返回步骤S52；

若否，进入步骤S55；

S55、再次初始化迭代次数k=1；

S56、将解 分解为 个局部解向量，每个局部解向量对应各个卡车和其携带的无人机的路线；同时记局部解 为取当前解 的第 个局部解向量，表示第 辆卡车和其携带的无人机的路线的解，且 为 对应的旅行成本；

S57、采用操作 对局部解 进行迭代优化，得到新的局部解 ，并将局部解 取代解 中的 部分，得到新的整体解 ，同时更新其旅行成本 ；

S58、判断 是否成立；

若是，则使k的值增加1，并返回步骤S57；

若否，则将整体解 赋予 ，整体解 旅行成本赋予 ，并进入步骤S59；

S59、判断算法运行时长是否达到预设时长；

若是，则输出当前全局最优解 和对应的旅行成本 ，停止迭代，得到最优卡车无人机配送路线；

若否，则使k的值为1，并返回步骤S52；所述步骤S53中，操作 的实现方法具体为：S531、取 ，记 表示利用12个邻域结构中的第 个邻域结构对解 进行邻域扰动；

S532、执行 邻域操作得到新的解 ，并记解 的旅行成本为 ；

判断 < 是否成立；

若是，则将解 赋予解 ，同时更新当前局部最优解的旅行成本 ，使q=1，并随机打乱当前12个邻域结构的顺序，进入步骤S533；

若否，则使q的值增加1，进入步骤S533；

S533、判断 是否成立；

若是，则返回步骤S532；

若否，则将解 赋予 ，将旅行成本 的值赋予 ，完成对解 的迭代优化；

所述步骤S57中，操作 的实现方法具体为：S571、取 ，记 表示利用前10个邻域中的第q个邻域对局部解 进行邻域扰动；

S572、执行 邻域操作得到新的局部解 ，并记局部解 的旅行成本为；

判断 是否成立；

若是，则将局部解 赋予局部解 ，同时更新当前局部最优解的旅行成本，使q=1，并随机打乱当前前10个邻域结构的顺序；

若否，则使q的值增加1，并进入步骤S573；

S573、判断 是否成立；

若是，则返回步骤S572；

若否，则将局部解 赋予 ，完成对局部解的迭代优化。

2.根据权利要求1所述的时间窗约束下的卡车无人机任务分配方法，其特征在于，所述步骤S1中，确定配送任务需要的卡车数量的方法为：S11、计算一辆卡车在任意两个顾客点之间行驶的平均时间 ；

S12、计算顾客被服务的平均时间 ；

S13、根据平均时间 和 ，计算一辆卡车在其最大工作时长 内能访问的平均顾客数；

S14、根据平均顾客数 和顾客数量n，计算配送任务中需要的卡车数量 。