1.一种基于群智感知的多目标多约束路线推荐方法，其特征在于，所述方法具体包括如下步骤：S1、基于变邻域搜索算法获取各单目标下的numR条路径；

S2、采用混合粒子群遗传优化算法对各单目标下的numR条路径进行优化；

S3、通过快速非支配排序算法求出满足用户设定多目标的Pareto最优集，并向用户推荐Top‑K条最优旅游路线；

单目标下的numR条路径生成方法包括如下步骤：

S11、将景点A集合随机划分为numN邻域，并且每个邻域包含numA景点；

S12、将每个邻域内所有兴趣点的度量值 总和设为权重，然后将其归一化，归一化值即权重代表该邻域的随机概率，其中所有邻域的概率和为1；

S13、以轮盘赌的方式选择将要搜索的邻域；

S14、根据符合单目标约束的景点作为候选点，将候选景点从景点A集合中移入候选路径中，迭代firstThreshold次，符合目标约束的景点形成单目标下的一条路径；

S15、执行步骤S11，重复上述操作numR次，从而生成单目标下的numR条路径；

单目标下的numR条路径优化方法具体包括如下步骤：S21、对numR条路径Route中的各景点编码，计算各粒子的适应度，找出粒子的个体极值以及全局极值；

S22、用轮盘赌方法选择两个父代tempRoute和anotherRoute，以设定的概率进行交叉，根据适应度选择子代A；

S23、以设定的概率将选择的子代A与全局极值gBestRoute进行交叉，即变异，根据适应度选择子代B；

S24、判断最终产生的子代B是否满足用户目标，若满足用户的目标，则计算粒子的适应度，并接受新染色体并对其复制；

S25执行步骤S21至步骤S24，迭代secondThreshold次，生成单目标下的numR条优化路线。

2.如权利要求1所述基于群智感知的多目标多约束路线推荐方法，其特征在于，所述景点ai的度量值 的获取方法具体如下：其中， 为景点ai个性化综合评分值， 为用户到景点ai的时空可达性值， 为景点ai半径r内的餐馆区位评分与宾馆区位评分的综合评分， 为用户ud针对景点ai的兴趣匹配分值， 为景点ai的群智感知社交评分。

3.如权利要求2所述基于群智感知的多目标多约束路线推荐方法，其特征在于，景点ai半径r内的餐馆区位评分与宾馆区位评分的综合评分 计算公式具体如下：其中， 为景点ai半径r范围内的餐馆个数为， 为景点ai半径r范围内的宾馆个数，为餐馆的群智感知社交评分， 为宾馆的群智感知社交评分。

4.如权利要求3所述基于群智感知的多目标多约束路线推荐方法，其特征在于，景点ai的群智感知社交评分 表示如下：H

宾馆的群智感知社交评分G表示如下：

R

餐馆的群智感知社交评分G表示如下：

其中， 为景点ai的评价人数，rij为用户uj对景点ai的评分； 为宾馆hi的评价人数，r′ij为用户uj对宾馆hi的评分； 为餐馆ri的评价人数，r″ij为用户uj对餐馆ri的评分。

5.如权利要求1所述基于群智感知的多目标多约束路线推荐方法，其特征在于，旅游路线的多元约束模型具体如下：其中， 为用户ud起始位置， 为游客出发时刻，T(ai,aj)为景点ai与景点aj之间的路程距离时间， 为到达第一个景点的用时， 为游客到达景点aj时刻， 为用户给定游玩时间上限， 为景点aj的开放时间， 表示游玩景点aj的结束时间， 是景点aj的推荐游玩时间且最小游玩时间要达到推荐时间的一半, 为推荐路线中最后一个景d点aj到终点 的时间，Obj为用户ud给定的多种目标。