1.一种基于时空自适应双向蚁群算法的移动机器人路径规划方法，其特征在于，所述方法包括以下步骤：步骤一、利用栅格法对移动机器人运动环境进行建模；

步骤二、设置初始参数，蚂蚁数量M，最大迭代次数K，信息启发因子α，期望启发因子β，信息素挥发因子最大增量ρ，信息素挥发因子最小值ρmin，信息素增强系数Q，禁忌表Taub，信息素浓度τi,j；

步骤三、蚂蚁分别从起点和终点进行路径搜索，在每次迭代k中，蚂蚁根据转移概率进行栅格选择，将当前栅格加入禁忌表Taub中，不再重复选择走过的栅格，直到到达目标栅格或者无可选栅格后对所有到达目标栅格的路径上各栅格之间的信息素浓度τi,j(k+1)进行更新；

步骤四、如果当前迭代次数k小于等于最大迭代次数K，重复执行步骤三，否则如果当前迭代次数k大于最大迭代次数K，输出最优路径；

所述步骤三中，在每次迭代k中，蚂蚁m的转移概率 表示为：

其中，τi,j(k)表示第k次迭代中当前栅格i与相邻栅格j之间的信息素浓度，α表示信息启发因子； 表示栅格j的方向因子，γ表示方向启发因子； 表示蚂蚁m在当前栅格i时的可选栅格集合，r表示在 集合中的任一栅格；β表示期望启发因子，ηi,j(k)表示第k次迭代中当前栅格i的相邻栅格j对终点E的期望启发函数，表示为：其中xj和yj分别表示栅格j的横坐标和纵坐标，xE和yE分别表示终点E的横坐标和纵坐标；

栅格之间信息素浓度更新公式表示为：

τi,j(k+1)＝(1‑ρk)·τi,j(k)+Δτi,j(k)         (5)其中，ρk表示随迭代次数改变的信息素挥发因子，表示为：

其中，ρmin表示信息素挥发因子的最小值，ρ表示信息素挥发因子的最大增量；Δτi,j(k)表示第k次迭代中当前栅格i与相邻栅格j之间的信息素浓度增量，表示为：其中，A表示改变信息素更新规则的阈值，是一个常数；tour(i,j)表示栅格i到栅格j的路径；tourk,m表示第k次迭代中第m只蚂蚁的路径；tourk,best表示第k次迭代中所有蚂蚁得到路径中的最优路径；Qk,m表示第k次迭代中随蚂蚁m得到的路径长度所改变的信息素增强系数，表示为：Qk,m＝(Lk,avg/Lk,m)*Q                   (8)其中，Lk,avg表示第k次迭代所有蚂蚁得到路径的平均路径长度，Lk,m表示第k次迭代中第m只蚂蚁的路径长度，Q为一个设置信息素增强系数大小的常数；Qk,best表示第k次迭代中所有蚂蚁得到路径中最优路径的信息素增强系数，表示为：Qk,best＝(Lk,avg/Lk,best)*Q                (9)其中，Lk,best表示第k次迭代中所有蚂蚁得到路径中的最优路径长度。

2.如权利要求1所述的基于时空自适应双向蚁群算法的移动机器人路径规划方法，其特征在于：所述步骤二中，信息素浓度τi,j表示为：τi,j＝τ0·(180°‑θj)               (1)其中τ0为一个设置初始信息素浓度大小的常数，θj为起点S与终点E的连线LSE和相邻栅格j与终点连线LjE的夹角θ或补角，表示为：