1.一种面向公平性和平衡约束优化的人口普查聚类方法，其特征在于，包括以下步骤：步骤1，获取人口普查抽样数据集X；

步骤2，使用布谷鸟搜索算法进行优化，选取初始人口聚类中心；

步骤3，在K值选择区间内进行轮廓系数比较法，选取人口调查聚类最佳K值；

步骤4，进行加权欧式距离优化迭代；

步骤5，引入公平性和平衡约束；

步骤6，迭代直至达到收敛条件；

步骤2包括：

步骤2‑1，初始化num_nest个巢，每个巢里随机生成K个候选初始人口聚类中心，num_nest公式为：（1），

其中，n为人口普查抽样数据集样本数量；

计算每个巢的误差平方和SSE作为适应度：（2），

其中，表示在第i个簇里的人口调查样本点， 为第i个簇的人口聚类中心， 为第i个簇；

步骤2‑2，先随机选一个巢a，然后随机选取两个不同的巢 和 ，将两个不同的巢 和线性组合成一个新巢 ，比较新巢 与巢a的适应度，如果新巢 的适应度小于巢a的适应度，则用新巢 替换a，否则不替换；

所述线性组合的公式为：

（3），

其中，为随机步长因子，取值为0到1；

步骤2‑3，对每个巢进行Levy飞行，每个巢进行Levy随机搜索以增加多样性：（4），

其中 是Levy分布参数， 是Levy飞行的初始巢， 是 经过Levy飞行新合成的巢， 是Levy飞行的步长；

Levy分布的步长计算公式为：（5），

（6），

其中，和 是从正态分布中生成的随机变量 ) (0,1)，是Levy分布的一个参数； 是伽马函数；

使用以下边界处理策略：

（7）；

其中， 是人口普查抽样数据集X的上限， 是人口普查抽样数据集X的下限；

步骤2‑4，重复步骤2‑1 步骤2‑3进行迭代，直至达到最大迭代次数，输出最佳初始化聚~类中心。

2.根据权利要求1所述的方法，其特征在于，步骤3包括：步骤3‑1，计算第i个人口普查样本的类内距离 ：（8），

其中， 为第i个人口普查样本所属簇的编号， 为第i个人口普查样本所属簇， 是第i个人口普查样本所属簇中的样本数， 和 分别表示第i个人口普查样本和第j个人口普查样本； 和 所属簇相同；

步骤3‑2，计算人口普查数据分析最近簇的类间距离 ：（9），

其中， 表示编号等于c的簇；

步骤3‑3，计算每个人口普查样本的轮廓系数；

步骤3‑4，对于当前K值，计算平均轮廓系数 ；

步骤3‑5，选取平均轮廓系数最大的K值作为簇数，进行步骤4。

3.根据权利要求2所述的方法，其特征在于，步骤3‑3包括：第i个人口普查样本的轮廓系数 的计算公式为：（10）。

4.根据权利要求3所述的方法，其特征在于，步骤3‑4包括：采用如下公式计算平均轮廓系数 ：（11）。

5.根据权利要求4所述的方法，其特征在于，步骤4包括：步骤4‑1，计算第m个特征的标准差 ：（12），

其中， 是人口普查抽样数据集X中第i个人口普查样本的第m个特征值，n是人口普查样本总数， 表示第m个特征所有样本的均值；

步骤4‑2，计算权重w时，通过每个特征的标准差来确定权重：（13），

其中 表示第m个特征的权重；

步骤4‑3，计算加权欧氏距离。

6.根据权利要求5所述的方法，其特征在于，步骤4‑3中，采用如下公式计算加权欧氏距离：（14），

其中， 是第i个人口普查样本到第j个人口普查样本的加权欧氏距离， 是第j个聚类中心的第m个特征，M为人口普查样本的特征总数。

7.根据权利要求6所述的方法，其特征在于，步骤5包括：通过使用指示矩阵，人口敏感属性的公平性表示成：（15），

其中，F表示人口抽样数据敏感属性的指示矩阵，Y表示簇标签的指示矩阵；

通过算术平均不等式，当 时，得到：（16），

其中， 表示第h个簇大小，k表示簇的总数；

使用指示矩阵将公式（16）表示为：（17），

其中，tr表示矩阵的迹；

使用拉格朗日乘子法得出目标代价函数：（18），

其中， 表示分布在第c个簇时的目标代价， 表示第i个人口普及样本到第c个簇的质心的加权欧式距离。

8.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的方法的步骤。

9.一种存储介质，其特征在于，存储有计算机程序或指令，当所述计算机程序或指令在计算机上运行时，执行如权利要求1至7中任一项所述的方法的步骤。