1.一种基于改进蚁群算法的多配送中心车辆路径优化方法，其特征在于：所述车辆路径优化方法包括以下步骤：

1)定义算法所需的目标函数：

其中，F为车辆总路程，N为需要服务的客户点数，M为配送中心数，每个配送中心拥有容量大小相同、车型相同的车辆Cm辆，Iij为道路网络中i点与j点之间的阻抗，决策变量为如果配送中心m的车辆p从用户i行驶到用户j取1，反之均取0；约束条件为：每辆车配送的货物重量不得超过其最大载重Q，每个客户都要被配送，且每个客户只能被配送一次，每辆车m配送完其路径上的所有客户点后必须回到出发配送中心；

2)设置参数：蚂蚁数ant_num，迭代次数G；

3)令g＝1；

4)令num＝1；

5)解的初始化，过程如下：

5.1)任意一只蚂蚁从M个配送中心中随机选择一个配送中心mi；

5.2)在选定的配送中心mi中随机选择一辆尚未使用过的车辆ck；

5.3)当前结点记为nodei，令nodei＝mi；所有客户点集合记为{j1,j2,…jk…jN}，当前结点到任一结点的网络阻抗记为 令 其中，dist(pi,pj)表示结点pi与pj之间的欧氏距离；下一结点记为next，当且仅当jr∈{j1,j2,…jk…jN}且dist(nodei,jr)＝min{dist(nodei,jk)}时，令next＝jr，其中，jk∈{j1,j2,…jk…jN}；

5.4)重复执行步骤5.3)直到所有客户点访问完毕，得到初始解：其中， 表示配送中心mi的车辆 的路径；下标li表示此配送中心发出的车辆序号；

6)计算每个客户点的最近配送中心，对于客户点jk，其最近配送中心记为 当且仅当dist(ji,mi)＝min{dist(ji,mk)}时，令 mk∈{1,2…M}，mi∈{1,2…M}，集合{1,2…M}为M个配送中心的序号集；

7)计算结点i处蚂蚁选择路径时的惩罚函数：

其中，i表示当前结点，j表示尚未访问到的任意结点，dij表示结点i到结点j的欧氏距离， 为当前结点i的最近配送中心，h∈(0,1)为此范围内的任意常数；

8)使用启发式信息构造车辆路径，过程如下：

8.1)对于当前结点i，计算信息素τ(i,j)，首先计算τ的初始值τ0， f为所有结点的个数f＝N+M， 为步骤5.3)中计算得到的欧氏距离jk∈{j1,j2,…jk…jN}，jr∈{j1,j2,…jk…jN}，进一步地，τ(i,j)＝(1‑ρ)τ(i,j)+ρ，其中，ρ∈(0,1)为此范围内的任意常数；

8.2)对于当前结点i，计算选择下一结点的概率

其中，i表示当前结点，j表示候选的下一结点，φ(i,j)为步骤7)中计算得到的结点i的惩罚函数，u为满足约束条件的任意结点， 为对当前结点i，满足约束条件的共k个点的集合，τ(i,j)为结点i处的信息素，β为调节参数，β∈{1,2,3}；

8.3)选择下一结点next，随机产生随机数random，random∈(0,1)，如果random＜0.85，选择具有最大概率p(i,j)的结点j作为下一结点；如果random≥0.85，对每个候选结点j产生(0,1)之间均匀分布的随机数rj，选择具有最大rj的候选结点j作为下一结点；

9)重复执行步骤8)直到所有的客户点被访问完毕，得到路径solk，同时，非劣解集合记为P＝{P1,P2,…,Pant_num}，如果目标函数值 则Pk＝solk；

10)num＝num+1；如果num＜ant_num，转至步骤7)；

11)模拟退火，过程如下：

11.1)在非劣解集合P中任意选择解Pp；

11.2)根据2‑opt交换准则由Pp得到Pp+1；

11.3)根据Metropolis准则决定是否用Pp+1替换Pp；

11.4)重复执行步骤11.1)，11.2)，11.3)ant_num次；

12)全局信息素更新，

其中， 为所有非劣解的目标函数值的平均值，α∈{1,2,3,4,5}；

13)g＝g+1；若g≤G，转至步骤8)；

14)选出当前非劣解集合中目标函数值最小的个体为最优路径优化方案。