1.一种基于混沌映射鹈鹕优化算法的无人机路径优化方法，其特征在于，包括以下步骤：(1)构建三维障碍物环境空间模型，障碍物地貌模拟山脉；

(2)构造山脉环境的模型参数，提取山脉的三维坐标生成山脉模型；

(3)构建无人机三维路径优化问题模型，以飞行路径、飞行高度、飞行平滑度和障碍物威胁区域为惩罚函数的目标飞行成本函数，根据不同的权重求和计算无人机路径代价值；

(4)输入无人机路径优化问题的信息，并根据改进的鹈鹕优化算法求解最小目标飞行成本函数；通过混沌映射初始种群的上限和下限，每个群体成员代表一个候选解，计算个体最大适应度值和种群最大适应度值，并通过特定的策略函数迭代种群位置，找到更适合最小目标飞行成本函数最优解的种群位置；

(5)将未改进的鹈鹕算法融合猎人猎物优化算法，导向选取猎物的位置，通过选择距离平均位置最远的搜索代理为猎物位置，并引入自适应权重因子，动态调整鹈鹕位置；

(6)引导搜索空间到新的区域，并根据当前位置适应度值和迭代前位置适应度值进行比较，选择更优解，对次优解进行Levy飞行策略；

(7)将鹈鹕算法开发阶段的线性参数改进为非线性指数递减参数；

(8)根据目标飞行成本函数确定适应度值，保留最大适应度值个体所在的位置，当成下次种群迭代中猎物出现的位置，并根据相同的更新策略迭代种群，直至达到最大迭代次数，结合插值法找到最佳路径。

2.根据权利要求1所述的一种基于混沌映射鹈鹕优化算法的无人机路径优化方法，其特征在于，所述步骤(3)实现过程如下：构建多因素约束的目标飞行成本函数：

min F＝v1L+v2Q+v3H+v4B  (1)

式中v1、v2、v3、v4为权重参数，L表示无人机的飞行路径长度成本函数，Q表示无人机飞行路径的平滑度成本函数，H表示无人机从飞行起点到终点的飞行高度成本函数，B表示无人机与障碍物碰撞威胁成本函数；

飞行路径长度成本函数L：

式中，Na表示无人机飞行路径的点的总数，(xi,yi,zi)表示无人机飞行路径中i点在三维坐标系中的坐标；

飞行路径的平滑度成本函数Q：

式中，Q为无人机飞行路径平滑度，Ii为点i和点i+1连接的向量；γq为无人机路径平滑度惩罚系数，若飞行路径实际转角超过约束限制，则设置为无穷；无人机飞行转角越小，代表飞行路径越安全；

无人机飞行高度成本函数H：

式中，γh为无人机飞行高度超出约束限制条件的惩罚系数，在超出最大最小范围时设置为无穷，在约束范围内时为0；

无人机与障碍物碰撞威胁成本函数B：

式中，γb为障碍物威胁成本惩罚系数，D为外围碰撞区到山脉的距离，设定山脉碰撞威胁区投影为圆形，Ri为半径，di为无人机到山脉投影圆心的距离。

3.根据权利要求1所述的一种基于混沌映射鹈鹕优化算法的无人机路径优化方法，其特征在于，所述步骤(4)实现过程如下：利用Logistic混沌映射式并根据目标飞行成本函数的下界和上界随机初始化种群成员：xi,j＝bj+ZN(aj‑bj),i＝1,2,…,N,j＝1,2,…,m  (6)ZN+1＝μZN(1‑ZN)  (7)

式中，xi,j为第i个鹈鹕的第j维的位置；N为鹈鹕的种群数量；m为求解问题的维度；ZN是[0,1]范围内的混沌数；aj和bj分别是求解问题的第j维的上下边界；μ∈[0,4]。

4.根据权利要求3所述的一种基于混沌映射鹈鹕优化算法的无人机路径优化方法，其特征在于，所述步骤(5)实现过程如下：式中， 为基于第一阶段更新后第i个鹈鹕的第j维的位置；N为鹈鹕的种群数量，t为当前迭代次数；T为最大迭代次数，I为1或2的随机整数；pj为猎物的第j维的位置；Fp为猎物的目标飞行成本函数值；α为动态权重因子；cj为每个搜索代理即鹈鹕位置的平均值。

5.根据权利要求4所述的一种基于混沌映射鹈鹕优化算法的无人机路径优化方法，其特征在于，所述步骤(6)实现过程如下：其中， 为开发阶段后的种群位置，a取值为1， 表示为点对点乘法，Levy(s,λ)为Levy随机搜索路径：其中，Levy(s,λ)表示一次莱维飞行的步长，s为没优化前的莱维飞行步长，参数β取

1.5，参数&、v为正态分布随机数。

6.根据权利要求5所述的一种基于混沌映射鹈鹕优化算法的无人机路径优化方法，其特征在于，所述步骤(7)实现过程如下：式中， 为基于第二阶段更新后第i个鹈鹕的第j维的位置；R为0或2的随机整数；t为当前迭代次数；T为最大迭代次数。