1.一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，包括：步骤101，获取斜拉桥的斜拉索布置方案，提取斜拉桥的第一特征向量组；步骤102，通过有限元对斜拉索布置方案进行模拟，建立斜拉桥主梁、斜拉索和锚固系统的有限元模型，提取斜拉索布置方案中斜拉桥的第二特征向量组；步骤103，建立符号化规则，将所述第二特征向量组映射为斜拉索布置方案的状态符号串，并结合所述第一特征向量组，计算斜拉索布置方案的结构性能综合指数；步骤104，对第一特征向量组进行演化更新，获得新第一特征向量组，找出最优的新第一特征向量组作为斜拉索布置方案的最终斜拉桥布置参数。
2.如权利要求1所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，将所述第二特征向量组映射为斜拉索布置方案的状态符号串还包括：设置与所述第二特征向量组中每个特征向量相对应的阈值，将所述第二特征向量组中超过阈值的特征向量，映射为高风险状态符号串。
3.如权利要求2所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，对所述第一特征向量组和所述第二特征向量组中的特征向量进行归一化处理。
4.如权利要求3所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，结合所述第一特征向量组，计算斜拉索布置方案的结构性能综合指数包括： ，其中， 为与第二特征向量组 相对应的结构性能综合指数， 为第 个特征向量相对应的结构性能指标值的权重， 为与第二特征向量组 中第 个特征向量相对应的结构性能指标值， 为符号惩罚值的权重， 为与第二特征向量组 相对应的状态符号串 的符号惩罚值。
5.如权利要求4所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，与第二特征向量组 相对应的状态符号串 的符号惩罚值 包括： ，其中， 为第 个状态符号的权重， 为状态符号串 中第 个状态符号， 为所述高风险状态符号串的集合， 为指示函数。
6.如权利要求1所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，对第一特征向量组进行演化更新包括： ，其中， 为新第一特征向量组中第 个特征向量， 为第一特征向量组中第 个特征向量， 为扰动步长， 为高斯随机扰动的权重， 为高斯随机扰动， 为记忆偏置值的权重， 为第 个特征向量 的偏向引导因子， 为第 个特征向量 在相对应约束域内的可行性指示函数。
7.如权利要求1所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，找出最优的新第一特征向量组作为斜拉索布置方案的最终斜拉桥布置参数包括：每演化更新一次，获得一个新第一特征向量组，重复步骤102到步骤104，并计算每个新第一特征向量组的结构性能综合指数，找到最大的结构性能综合指数相对应的新第一特征向量组，作为最优的新第一特征向量组。
8.如权利要求7所述的一种针对斜拉桥的斜拉索智能布置优化方法，其特征在于，遍历第一特征向量组中所有特征向量，对每个特征向量进行演化更新，当所有特征向量完成演化更新后，组成新第一特征向量组。
9.一种针对斜拉桥的斜拉索智能布置优化系统，其特征在于，包括：提取第一特征向量组模块，用于获取斜拉桥的斜拉索布置方案，提取斜拉桥的第一特征向量组；提取第二特征向量组模块，用于通过有限元对斜拉索布置方案进行模拟，建立斜拉桥主梁、斜拉索和锚固系统的有限元模型，提取斜拉索布置方案中斜拉桥的第二特征向量组；映射模块，用于建立符号化规则，将所述第二特征向量组映射为斜拉索布置方案的状态符号串，并结合所述第一特征向量组，计算斜拉索布置方案的结构性能综合指数；优化模块，用于对第一特征向量组进行演化更新，获得新第一特征向量组，找出最优的新第一特征向量组作为斜拉索布置方案的最终斜拉桥布置参数。
10.如权利要求9所述的一种针对斜拉桥的斜拉索智能布置优化系统，其特征在于，将所述第二特征向量组映射为斜拉索布置方案的状态符号串还包括：设置与所述第二特征向量组中每个特征向量相对应的阈值，将所述第二特征向量组中超过阈值的特征向量，映射为高风险状态符号串。
