1.一种城市快递车辆路径优化的方法，其特征在于，包括以下步骤：

步骤S1：获取车辆编号信息、客户时间要求信息以及配送点信息，并将上述信息进行组合编码，形成遗传编码[y1,y2,...,yi,...yn]，每个遗传编码对应一个个体；

步骤S2：初始化种群，设置迭代次数G＝1，设置温度阈值Tend；

步骤S3：计算种群中每个个体的适应度值，并选取适应度值最大的个体作为最优个体；

其中，适应度值为个体中所有车辆的总行驶时间折算值T总的倒数；

步骤S4：判断当前的迭代次数是否大于等于最大迭代次数，若是，则进入步骤S8；否则，进入步骤S5；

步骤S5：对当前种群进行交叉与变异操作，得到新种群；

步骤S6：判断当前温度T值是否小于温度阈值Tend，若是，则令G＝G+1，并返回步骤S3；否则进入步骤S7；

步骤S7：采用模拟退火算法替换旧个体，并令T＝kT，其中k为预设的降温速率，令G＝G+

1，并返回步骤S3；

步骤S8：将当前种群的最优个体的遗传编码进行解码，得到各车辆的最优行驶路径。

2.根据权利要求1所述的一种城市快递车辆路径优化的方法，其特征在于，步骤S1中，遗传编码[y1,y2,...,yi,...yn]中，元素yi的值代表车辆的编号，元素所在的向量位置代表该编号的车辆所要服务的客户虚拟客户编号，一个虚拟客户编号代表在同一配送点同一个时间段的客户，每个元素yi绑定有对应的客户时间要求信息以及配送点位置信息、配送点的拥堵信息以及每个客户的所需送达的快递的重量信息。

3.根据权利要求1所述的一种城市快递车辆路径优化的方法，其特征在于，步骤S3中，所有车辆的总行驶时间折算值 其中，Tj为编号为j的车辆的行驶时间折算值，Tj的计算为：Tj＝Tj行驶+Tj快递点服务，其中Tj行驶表示编号为j的车辆的实际行驶时间，Tj快递点服务表示编号为j的所有车辆在其服务的各个快递点的服务时间之和。

4.根据权利要求3所述的一种城市快递车辆路径优化的方法，其特征在于，所述车辆j的实际行驶时间Tj行驶采用以下步骤计算：步骤S31：对一个个体的遗传编码，找到元素值为j的所有元素，获取这些元素在遗传编码中的位置，即j所要服务的所有虚拟客户编号，同时获取绑定的对应的客户时间要求信息、配送点位置信息以及配送点的拥堵信息；

步骤S32：按照客户的时间要求，车辆j按照时间的从先至后的顺序，依次从配送中心前往各虚拟客户对应的配送点最后回到配送中心，依据各配送点之间的距离以及每段路程设定的平均速度，求得车辆j的实际行驶时间；其中，每段路程的平均速度由配送点的拥堵信息来决定。

5.根据权利要求3所述的一种城市快递车辆路径优化的方法，其特征在于，Tj的等式右边中还包括一加项，即Tj赔付，表示送达时间超过对应客户的要求时间时的折算行驶时间；若送达时间没有超过对应客户的要求时间，则T赔付的值为0，若送达时间超过对应客户的要求时间，则Tj赔付的值为k1*超过时间，其中k1为第一折算系数。

6.根据权利要求3所述的一种城市快递车辆路径优化的方法，其特征在于，Tj的等式右边中还包括一加项，即Tj惩罚，表示车辆j返回配送中心超时时的折算行驶时间，若准时回配送中心，则Tj惩罚的值为0，若超时回配送中心，则T惩罚的值为k2*超过时间，其中k2为第二折算系数。

7.根据权利要求3所述的一种城市快递车辆路径优化的方法，其特征在于，Tj的等式右边中还包括一加项，即Tj超重，表示车辆j根据分配的客户快递总重量超过额定载重重量时的折算行驶时间，若没有超重，则Tj超重的值为0，若超重，则Tj超重的值为k3*超过的重量，其中k3为第三折算系数。

8.根据权利要求1所述的一种城市快递车辆路径优化的方法，其特征在于，步骤S8具体具体为，针对每个车辆编号，找到其在遗传编码中的所有元素，获取这些元素在遗传编码中的位置，即该车辆所要服务的所有虚拟客户编号，根据虚拟客户编号得到对应的配送点，同时获取绑定的对应的客户时间要求信息；对同一个车辆，按照客户所要求的时间先后顺序，依次安排该车辆从配送中心前往各虚拟客户对应的配送点再返回配送中心。

9.一种基于权利要求1-8任一项所述的城市快递车辆路径优化的方法的路径优化系

统，其特征在于，包括用以获取车辆编号信息以及客户时间要求信息的输入模块、用以获取配送点位置以及堵车信息的地图应用模块，用以输出路径优化结果的输出模块、存储模块以及处理器；所述存储模块中存储有能够被所述处理器运行的计算机程序，处理器在运行该计算机程序时实现如权利要求1-7任一项所述的方法步骤。

10.根据权利要求9所述的一种城市快递车辆路径优化系统，其特征在于，所述地图应用模块包括但不限于百度地图或高德地图。