1.一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，包括：S1：根据飞行长度代价，飞行能耗代价，货物质量代价，天气威胁代价，模拟无人机飞行环境，构建无人机轨迹指标函数；

S2：基于改进鲸鱼算法将无人机轨迹指标函数作为待优化的目标函数，求解所述无人机轨迹指标函数，得到无人机飞行的最优轨迹；

其中，所述步骤S2具体包括：

S21：初始化鲸鱼种群，设定最大迭代次数T，当前迭代次数t，初始概率P，新的收敛因子a，鲸鱼个数n，并令t＝1；

S22：将无人机轨迹指标函数作为个体的适应度，通过最大迭代次数T和迭代次数t计算新的收敛因子a，并计算系数向量A；

计算新的收敛因子a：

计算系数向量A：

A＝2ar‑a

其中，r是(0,1)区间的随机数；π为常数；

S23：设立随机概率P1＝1‑log(1+9t/T)，根据鲸鱼算法个体更新机制，引入惯性权重W更新鲸鱼个体位置；

若初始概率P＜P1且|A|>1时，则根据新的收敛因子a采用随机搜索方式更新位置；

若初始概率P＜P1且|A|≤1时，则根据新的收敛因子a采用包围方式更新位置；

若初始概率P≥P1时，则根据新的收敛因子a采用螺旋方式更新位置；

引入惯性权重W对鲸鱼位置进行更新，W定义为：

鲸鱼种群位置更新公式为：

当初始概率P<1‑log(1+9t/T)且|A|>1时，采用随机搜索方式更新位置：X(t+1)＝Xrand×W‑A×Drand；

当初始概率P<1‑log(1+9t/T)且|A|≤1时，采用包围搜索方式更新位置：X(t+1)＝X*(t)×W‑A×D1；

bl

当初始概率P≥1‑log(1+9t/T)时，采用螺旋搜索方式更新位置：X(t+1)＝D2×e cos(2πl)+X*(t)×(1‑W)；

其中，X*(t)为最佳解的位置，X(t)为t时刻无人机的位置，X(t+1)为t+1时刻无人机的位置，D1＝|c·X*(t)‑X(t)|，Drand＝|c·Xrand‑X(t)|，c＝2r，Xrand为鲸鱼群体中任意鲸鱼的位置；

S24：如果t＜最大迭代次数T，则令t＝t+1，返回步骤S22；如果t≥T，则输出全局最优解；该解作为无人机路径指标评价函数的最小值，即是目标函数的最优解；

S25：将S24得到的最优解构成n维离散点集合；

S26：将离散的轨迹点按照次序平滑连接，得出无人机飞行的最优轨迹。

2.根据权利要求1所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，模拟无人机飞行环境，在三维坐标系中，通过logistic‑Tent序列得到无人机高度信息，将三维坐标转为二维坐标，起点坐标为S(0,0),终点坐标为D(xD,yD),由D点向y轴做垂线，交y轴于D′(xD,0),将线段SD′平分为n等份，端点记作y1,y2,…,yn,则Yi＝i×SD′/n(i＝1,

2,3.....n)；过端点分别作y轴的垂线，分别记作L1,L2,…,Ln，将路径规划问题转化为X坐

1 2 3 n

标序列的优化，即寻找最佳航路点X轴坐标[X*(t),X*(t),X *(t)......X*(t)]，使得无人机轨迹指标函数的值最小。

3.根据权利要求2所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，在三维坐标系中，通过logistic‑Tent序列获取无人机飞行高度信息：其中，rand()是区间(0,1)的随机数，N为无人机集群中无人机的个数，r为参数，位于[0,4]之间；Zi为无人机映射到Z轴的坐标，Z′为无人机经过logistic‑Tent映射后Z轴的坐标，则经过logistic‑Tent映射后得到的无人机坐标更新为(Xi，Yi，Z′)。

4.根据权利要求1所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，根据飞行长度代价，飞行能耗代价，货物质量代价，天气威胁代价构建目标函数：F(X)＝w1*E1+w2*FL+w3*G+w4*FM其中，F(X)为无人机轨迹指标函数即目标函数；X为鲸鱼任意位置；E1为飞行能耗代价；

FL为飞行长度代价；G为货物质量代价；FM为总天气威胁代价；w1+w2+w3+w4＝1，w1、w2、w3、w4分别代表了长度代价、飞行能耗代价、货物质量代价、天气威胁代价的权重。

5.根据权利要求4所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，所述飞行长度代价，飞行能耗代价，货物质量代价，天气威胁代价构为：飞行能耗代价：无人机在模拟环境中以匀速直线飞行和兼备加速度的变速飞行两种飞行状态飞行，能量消耗代价函数为：E1＝t1*E(q(t))+t2*E(V,a(t))

其中，E(q(t))为无人机匀速飞行时的能量消耗；EsLF(V)为无人机加速飞行时的能量消耗；t1为无人机匀速飞行时间、t2为无人机加速飞行时间；V为无人机速度矢量；q(t)为无人机投影至二维平面内的无人机坐标；

飞行长度代价：

其中，(Xi，Yi)为任意航迹点的二维坐标；(Xi‑1，Yi‑1)为相邻航迹点的二维坐标；i为设计的无人机航迹点个数；

货物质量代价：

其中，K为无人机超载的无穷大惩罚系数；Gi为第i个配送点对货物的需求量；i为有货物需求的配送点数量；Fji表示配送点i由无人机j完成；V为无人机最大承载量；

天气威胁代价：

其中，F为轨迹Li段受到的天气威胁；P(D)为无人机会碰到障碍物的概率。

6.根据权利要求5所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，匀速直线飞行能量消耗为：其中，E(V,a(t))为改变方向时无人机能量消耗，T为无人机飞行总时间，T＝t1+t2；c1与c2是与飞机重量，机翼面积和空气密度有关的两个参数，a(t)表示无人机加速度矢量，g为重力加速度，V为无人机速度大小。

7.根据权利要求5所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，兼备加速度的变速飞行能量消耗为：其中，q(t)表示投影到二维平面内无人机的坐标；x(t),y(t)表示水平坐标位置；v(t)表示无人机的瞬时速度矢量；a(t)表示无人机加速度矢量；c1和c2的值是与飞机重量、机翼T面积和空气密度有关的两个参数；g代表重力加速度；m代表无人机的质量；a (t)表示离心加速度；v(T)表示在T时刻无人机速度大小；v(0)表示在T＝0时刻无人机速度大小；a(t)表示无人机加速度大小；v(t)表示在t时刻无人机的速度大小；T表示无人机飞行总时间。

8.根据权利要求5所述一种基于改进鲸鱼算法的无人机飞行轨迹规划方法，其特征在于，所述天气威胁代价，将雷暴天气等效为半径为R的球体，无人机距离球心的距离为D，恶劣天气影响区域的最大半径为D1，D2表示无人机因恶劣天气影响发生坠毁的概率为1的地区距离球心的距离，无人机会碰到障碍物的概率为：当D＞R时，P(D)＝0；

当D＜R时，P(D)＝1；

当D＜D1＜D2，P(D)＝1/D。