1.一种基于双种群混合算法的裁剪分床方法，其特征在于，具体按照以下步骤实施：
步骤1、算法初始化，初始化客户订单信息及生产工艺参数信息来确定裁剪需要的裁床数量区间范围[mmin，mmax]，并求得裁剪分床模型参数信息；
步骤2、确定裁剪分床方案的目标函数，在多个维度上设定目标，得到最终算法的目标函数；
步骤3、根据步骤1得到的裁床数量最大值和最小值区间，以及步骤2得到模型的目标函数，选择最小的裁床数量m，进行混合算法的初始化；
步骤4、混合算法中普通种群的进化；
步骤5、精英种群的进化；
步骤6、如果整体混合算法进化完毕，则输出并记录当前裁床数量下的最优方案，然后裁床数量更新为m+1，判断新的裁床数量是否符合订单计算的裁床数量范围；如果仍然满足条件，则针对当前裁床数量初始化群体，再次执行步骤4计算当前裁床数量情况下的最优裁剪分床方案；如果不符合则停止计算，比较多个裁床下的最优方案的最终优秀性；
步骤7、最终根据指定的裁剪分床需求和目标，输出一组或多组优秀的裁剪分床方案。
2.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤1具体按照以下步骤实施：
步骤1.1、初始化客户订单信息具体包括：初始化订单尺码类型个数、尺码对应产品数量，尺码允许超出裁剪数量、订单使用面料幅宽信息、尺码的裁片长宽，最终消耗该面料长度；
步骤1.2、初始化生产工艺参数信息具体包括：初始化企业拥有裁床台数、裁床可以铺设面料的最小层数和最大层数、裁床可以铺设面料的最大长度、裁床拉布机拉布速度、裁床裁刀运行速度；
步骤1.3、确定模型参数信息：根据步骤1.1和步骤1.2得到实际的订单信息和生产工艺参数，计算裁剪分床模型参数信息。
3.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤2具体按照以下步骤实施：
步骤2.1、确定裁剪方案超裁目标函数，通过裁床数量m、每个裁床的铺布层数hi、订单尺码数n、订单尺码需求数量aj以及裁床i需要裁剪尺码j的数量计算超裁目标函数d；
步骤2.2、设定裁剪时间目标函数，通过裁床数量m、尺码数量n、裁床拉布机运行速度v1、裁床铺布长度及裁刀行进速度v2计算裁剪时间t；
步骤2.3、设定面料利用率目标函数，通过每个裁床铺布后进行裁剪时，将不同尺码均匀排布，充分利用铺设的面料计算面料利用率p；
步骤2.4、处理多目标函数，降低目标维度，减少模型求解复杂度；对于超裁数量、裁剪时间和面料利用率三个目标函数，将各自目标函数进行归一化处理，忽略掉目标函数的尺度，根据目标函数中各函数设定的权重参数线性组合，得到混合算法目标函数为：f＝αd+γ(1-p)+βt。
4.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤3具体按照以下步骤实施：
步骤3.1、初始化混合算法进化过程参数，包括制定算法进化的总代数、遗传算法变异的初始概率、粒子群影响时的初始惯性因子、粒子群算法的学习因子、混合算法种群个体的数量并进行种群的初始化；
步骤3.2、确定算法编码方案，初始化种群、初始化种群个体的裁床矩阵和尺码配比矩阵值，根据算法种设定的种群种个体数量，初始化生成相应数量的个体粒子，每个个体粒子随机生成自己的裁床层数和尺码配比矩阵b。
5.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤4具体按照以下步骤实施：
步骤4.1、计算普通种群中个体的适应度；种群进化过程中的适应度函数就是使用模型的目标函数，即f＝αd+γ(1-p)+βt，针对每个粒子计算其适应度，然后在种群中根据适应度进行排序，适应度好代表方案更优；
步骤4.2、普通种群进化的选择过程；普通种群进化过程的选择方法使用轮盘赌的机制；
步骤4.3、根据步骤4.2中选择的粒子进行交叉进化处理，进行交叉操作时，对选择出的两个个体的编码，随机生成一个代表交叉位置的随机数值，在该位置的前后，交换两个个体的基因段，形成两个新的个体；
步骤4.4、普通种群进行随机变异，产生新的种群；进化时选择一个个体，并生成一个相应的变异概率矩阵q，然后将矩阵中的概率与当前变异概率qi相比较，如果大于变异概率则当前基因会发生变异；
步骤4.5、一次进化完成，判断由普通种群进化产生的精英个体是否满足精英种群进化的条件；如果不满足则回到步骤4.1继续进行普通种群的进化，并不断产生精英个体供给精英种群；如果精英种群数量达到算法设置的条件，则进行步骤5开始精英种群的进化。
6.根据权利要求1所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤5具体按照以下步骤实施：
步骤5.1、精英种群个体适应度的计算；精英种群数量满足后，以此作为精英种群初始群体，进行精英种群算法进化，根据公式f＝αd+γ(1-p)+βt计算精英种群所有个体的适应度，记录当代优于全局最优的个体，并按照适应度对种群个体进行排序；
步骤5.2、计算当前世代精英进化的惯性因子；精英种群进化采用一种改进的惯性因子自适应的粒子群算法，设定一个初始值较大的惯性因子，随着进化代数的增长，惯性系数在减小，加快对全局最优的收敛性，根据权重计算公式获取当前进化代数下的自适应惯性因子；
步骤5.3、更新精英种群个体的速度和位移属性，完成当前代数的进化；精英种群每进化一次，都要找到当前代数的局部最优和全局最优粒子，并以此为标准进行种群粒子的速度和位移的更新；
步骤5.4、精英种群进化完成后，要判断是否达到最大进化次数，如果达到了设定的进化代数或者粒子群进化提前稳定停止，则计算种群粒子的适应度并进行排序，获取前一部分优秀粒子随机替换掉普通种群中相应数量的粒子，完成精英种群对普通种群的进化影响；如果未达到指定进化次数则返回步骤5.1继续进行精英种群的进化。
7.根据权利要求3所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤2.1中超裁目标函数d的计算公式为：
其中，zj是第j个尺码超裁数量，cij是裁床i每层裁剪尺码j的数量。
8.根据权利要求3所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤2.2中裁剪时间t的计算公式为：
其中sj代表尺码j裁剪时裁刀走过的路径，li代表裁床i面料的总长度。
9.根据权利要求3所述的一种基于双种群混合算法的裁剪分床方法，其特征在于，所述步骤2.3中面料利用率p的计算公式为：
其中，dj代表尺码j裁剪时面料使用长度。