1.一种基于改进A*算法的无人机自适应路径规划方法，其特征在于，包括如下步骤：S1、利用无人机在混乱程度均匀的地图飞行，感知该地图后进行离散化处理；

S2、构建自适应策略并根据当前环境中的障碍物为所述自适应策略设定最优启发式代价；

S3、执行所述自适应策略，计算当前地图环境对应的最优膨胀系数；

S4、利用所得到的最优膨胀系数执行混合A*算法寻找最优路径。

2.根据权利要求1所述的基于改进A*算法的无人机自适应路径规划方法，其特征在于，所述S2具体包括如下步骤：S21、考虑障碍物存在，求解从当前状态点到目标点的最优两点边界值；

S22、根据障碍物格栅地图计算最优轨迹与障碍物发生碰撞的部分所占的比例；

S23、根据步骤S22中计算的比例修正启发式代价，得到最优启发式代价。

3.根据权利要求22所述的基于改进A*算法的无人机自适应路径规划方法，其特征在于，所述S23中最优启发式代价表示为：′

J＝(1‑)J+I·αJ

′

其中，J 为最优启发代价，α为轨迹碰撞部分占整个最优轨迹的比例，I为膨胀系数，J为当前启发代价。

4.根据权利要求1所述的基于改进A*算法的无人机自适应路径规划方法，其特征在于，所述S3具体包括如下步骤：S31、执行自适应策略的第一阶段，寻找膨胀系数的最优区间；

S32、执行自适应策略的第二阶段，在步骤S31的基础上缩小区间范围，逼近最优膨胀系数。

5.根据权利要求4所述的基于改进A*算法的无人机自适应路径规划方法，其特征在于，所述S31具体包括如下步骤：S311、对膨胀系数和A*算法的扩展点进行初始化；

S312、判断膨胀系数右边界对应的扩展点数是否大于中间值对应的扩展点数，若大于中间值扩展点数，则进入下一阶段；若小于中间值扩展点数，则分别将左边界、中间值的值以及对应的扩展点数进行更新；

S313、以设定步长重复步骤S312对右边界的值使用步长进行更新并执行A*算法，将最终得到的扩展点数作为右边界对应的扩展点数。

6.根据权利要求5所述的基于改进A*算法的无人机自适应路径规划方法，其特征在于，所述S32具体包括如下步骤：S321、对步长进行初始化；

S322、判断区间长度是否大于阈值，若小于阈值，则结束循环，中间节点为最优膨胀系数；若大于阈值，则对区间进行缩小，将左右边界分为往中间移动一个步长，分别执行混合A*算法得到当前膨胀系数下的扩展点数；

S323、根据新得到的扩展点数与原先区间左右边界的扩展点数进行比较，根据不同的大小关系分别对区间左右边界进行更新，将区间缩小，更新完毕后将步长减半并重复步骤S322。