1.一种无人接驳车多站点路径优化的改进遗传算法，其特征在于，包括：基于无人机接驳车的多个站点进行抽象地图的构建，并采用改进的遗传算法对抽象地图进行路径规划；

其中，所述抽象地图的构建方式在于，通过选取多个站点中的任意一个站点作为基准，把站点与站点之间的最短实际距离转化为欧式距离并进行地形加权得到真实代价之后逐一进行排列，逐个设置坐标得到最终的抽象地图；

采用改进的遗传算法对抽象地图进行路径规划的方法被配置为包括：S1，通过传统遗传算法对每个站点进行编码，并基于编码产生对应的初始种群，采用概率贪婪的方式对种群进行优化，以将预定范围的优化个体与其它个体进行区分；

S2，在区分后的编码中引入动态自适应交叉概率与动态自适应变异概率，以及对遗传算法中进行交叉算子、变异算子改进，并对改进结果进行进化逆转处理；

S3，将优个体重插入进化逆转处理的结果中，返回到S2步骤中，直到其优化结果达到终止条件；

在S1中，所述编码是采用1到N的整实数进行编码，以通过编码将遍历点编号顺次记录下来，以得到每一个染色体的遍历路径方案；

在S1中，在编码中随机选取一个编码C1作为基准点，穷举C1与其他编码之间的距离并求出其和，以得到其它编码被选中作为下一个起点的概率，以基于该概率对各编码的个体适应度进行计算，以基于个体适应度对编码进行优化区分；

在S2中，所述交叉算子改进被配置为包括：

S21，在父代编码P1、P2中，寻找C1左右两侧的各编码，并分别计算各编码与C1的距离；

S22，将右侧较小距离的编码放入P3中，将左侧较小距离的站点放入P4中，若距离相同，则取P1的点；

S23，把P1，P2中的C1点删去，将新放入的点重新作为起点，往复直到P1、P2中的点仅剩1个时停止，并对P1、P2、P3、P4进行比较，输出代价最小的两个个体作为子代P1′，P2′；

所述变异算子改进被配置为采用定点置换；

其中，所述定点置换被配置为随机选定一些位置，将对位元素进行互换，从而得到新的排列P1″、P2″；

在S2中，所述逆转是对P1″、P2″的预定范围之间进行反向排序，以得到对应的染色体排列，以通过适应度的判断逆转是否有效，进而得到对应的P1″′、P2″′；

所述重插入是将P1、P2中筛选出前10％适应度最大的个体将其保留在集合中，用以替换掉P1″′、P2″′中适应度最低的10％的个体；

所述自适应交叉概率被配置为基于以下公式以得到：

其中，Pc1为预设最大交叉概率，设置为0.9，Pcmin＝0.6，fmax为种群最大适应度，favg为种群平均适应度，fi为两个即将进行交叉父代中较大的适应度；

所述自适应变异概率被配置为基于以下公式以得到：

其中，Pm1为预设最大交叉概率，设置为0.05，Pmmim＝0.01，fmax为种群最大适应度，favg为种群平均适应度，fi为即将进行变异操作个体的适应度。