1.一种基于遗传结合最小二乘混合算法的多色服装裁剪分床方法，其特征在于，所述方法包括以下步骤：第一步，根据服装订单为多色分床方案计算可能的分床数最大值Bedmax，计算如公式(1)所示，假设服装订单 y代表订单中颜色的数量，n代表规格数量，将y转化为二进制并记录位数值yBinary，

式中ceil表示向上取整；

第二步，对多色分床设定初始限制条件和遗传算法的参数：首先由用户设定每个号型样片每床排的数量Pb的上限Pbmax；设置算法的变异率mut和交叉率arc，将Pbmax转化为二进制并记录位数值PbBinary，进而计算算法中每条染色体的基因数Nchrom如公式(2)所示，设置算法的染色体数(种群数)为N，设置算法的迭代次数为iter；

Nchrom＝Bedmax×n×PbBinary+yBinary  (2)第三步，采用算法搜索，过程如下：

3.1)随机初始化N条染色体，每条染色体的基因个数为Nchrom，N条染色体的初始值为{chrom1，chrom2…chromN}，其中，每位基因取值只能是0或1，每条基因承载着各套排配比和床数信息；

3.2)确定遗传算法搜索的适应度，配比矩阵PbMatrix与层数矩阵cntMatrix的组合决定服装的生产量，该生产量与服装订单相减生成误差矩阵errorMatrix，误差errorMatrix矩阵中所有元素的平方和errorValue，基因中承载的床数信息为Bed，确定适应度Fvalue；

3.3)采用遗传算法搜索床数值Bed和配比矩阵PbMatrix，根据PbMatrix和Bed用最小二乘法对层数矩阵解耦合拟合出cntMatrix，生成使Fvalue值最大的层数矩阵cntMatrix、配比矩阵PbMatrix的组合；

3.4)继续迭代，即迭代次数n＝n+1，若迭代次数达到设定值iter，则记录第iter代群体中的最优染色体 记录该条染色体译码出的配比矩阵 通过该配比矩阵拟合出的层数矩阵 该组合即为多色分床的最优组合；否则转到步骤

3.3)继续搜索。

2.如权利要求1所述的一种基于遗传结合最小二乘法的多色服装裁剪分床方法，其特征在于：所述步骤3.3)中，搜索过程为：

3.3.1)对N条染色体进行解码，将yBinary位的床数基因转化为床数值Bed，将PbBinary位的配比基因转化为十进制的配比值，并按行生成Bed×n的配比矩阵PbMatrix；

3.3.2)根据配比矩阵PbMatrix和床数值Bed用最小二乘法拟合出Bed×y的层数cntMatrix，当配比矩阵PbMatrix确定的情况下，层数矩阵cntMatrix中的某列与配比矩阵PbMatrix耦合决定了订单中某种颜色服装的生产量，拟合过程为逐个颜色拟合，即对应一个颜色以配比矩阵PbMatrix为基准拟合层数矩阵的一列cntMatrix(：，t)，其中t表示订单order中的第t行；拟合过程中要对层数矩阵cntMatrix的负数值置0，同时根据每列非负值的索引取出配比矩阵的索引行构造出新矩阵PbMatrixIndex，PbMatrixIndex矩阵对层数矩阵中存在负数值的列重新拟合并更新该列的层数值，直到层数矩阵cntMatrix中所有值大于等于0为止，最后将拟合好的层数矩阵四舍五入取整；

3.3.3)计算适应度Fitness，根据第i代第k条染色体 解码出的床数值 配比矩阵 和拟合出的层数矩阵 计算生产误差平方和计算适应度 并筛选出第i代中适应度最大的值

maxFitness和最小的值minFitness并记录适应度最大的染色体

3.3.4)轮盘赌方法筛选父代，根据Fitness用轮盘赌筛选法将适应度值较高的个体保留下来；

3.3.5)交叉，父代之间实现以一定的概率单点交叉，即随机交换等位基因生成新的群体；

3.3.6)变异，当前群体以一定的概率进行位变异，即基因随机按位取反；

3.3.7)保留适应度最大的个体，将第i代适应度最大的个体 替换当前群体的第一条染色体，即 。

3.如权利要求2所述的一种基于遗传结合最小二乘法的多色服装裁剪分床方法，其特征在于：所述步骤3.3.2)中，最小二乘法解耦合的过程，对于有负数值的情况将负数值置0，取配比矩阵的索引行再次拟合，直至层数值全部大于等于0。

4.如权利要求1～3之一所述的一种基于遗传结合最小二乘法的多色服装裁剪分床方法，其特征在于：所述步骤3.2)中，适应度计算形式：Fvalue为适应度，errorValue为误差平方和，Bed为分床床数，250为优化床数权重。