1.一种蜘蛛群居算法的机器人路径规划方法，其特征在于，包括以下步骤：步骤一：采用栅格法对地图环境进行建模，设置起始节点、目标节点、障碍物；

步骤二：初始化蜘蛛群居算法基本参数，包括种群数目N、婚配半径r、最大迭代次数T、最小适应度值；

步骤三：随机分配初始蜘蛛种群，根据适应度函数，确定当前各个蜘蛛的适应值；

步骤四：蜘蛛种群依据蜘蛛群居算法的学习策略完成协作过程，产生新的蜘蛛个体，根据适应度函数值选择新、旧蜘蛛种群中较优的个体作为迭代种群，记录迭代路径，输出适应度值；

学习策略包括惯性权重，惯性权重设置为：q为惯性权重，n为非线性调整指数，T为最大迭代次数，t为当前迭代次数，qmax和qmin分别是惯性权重的最大值和最小值；

步骤五：判断适应度值是否小于设定的最小适应度值，若适应度值小于或等于最小适应度值，输出最短路径和长度；

步骤六：若适应度值大于最小适应度值，返回步骤四。

2.根据权利要求1所述的蜘蛛群居算法的机器人路径规划方法，其特征在于：若适应度值大于最小适应度值，判断迭代次数是否小于最大迭代次数，若迭代次数小于最大迭代次数，返回步骤四；若迭代次数大于或等于最大迭代次数，输出最短路径和长度。

3.根据权利要求1所述的蜘蛛群居算法的机器人路径规划方法，其特征在于：学习策略还包括蜘蛛个体在群体中信息交流程度的学习因子，学习因子变化式为：Z＝Zmin+(Zmax‑Zmin)COS(q)H＝Hmax‑(Hmax‑Hmin)COS(q)，Z与H分别代表个体的自我学习能力和社会学习能力，q惯性权重，其中Zmax和Hmax为学习因子Z和H的最大值，Zmin和Hmin为学习因子Z和H的最小值。

4.根据权利要求1或2或3所述的蜘蛛群居算法的机器人路径规划方法，其特征在于：蜘蛛种群包括雄性蜘蛛种群和雌性蜘蛛种群，雄性蜘蛛种群和雌性蜘蛛种群按照蜘蛛群居算法进行雌、雄蜘蛛的婚配。

5.根据权利要求1或2或3所述的蜘蛛群居算法的机器人路径规划方法，其特征在于：蜘蛛群居算法包括以下步骤：

步骤A：判断雄性个体婚配半径内是否存在雌性个体，如果不存在，则转至步骤E；否则，将其在婚配半径内的所有雌性个体结合为一个子种群；

步骤B：计算步骤A中所述子种群内个体的分配概率，具体公式为：TG为子种群，PSk为子种群内个体的分配概率，w为蜘蛛个体的权重；

步骤C：根据步骤B中所述的概率按照轮盘赌方式从TG内选择个体；

步骤D：如果新个体优于雄性蜘蛛种群和雌性蜘蛛种群中的最差个体，则代替该个体；

步骤E：判断所有雄性个体是否完成婚配行为，完成则结束，否则转至步骤A。

6.根据权利要求5所述的蜘蛛群居算法的机器人路径规划方法，其特征在于：新的蜘蛛个体包括原蜘蛛个体、原蜘蛛向邻域最优解学习个体、原蜘蛛向全局最优解学习个体和随机部分。

7.根据权利要求6所述的蜘蛛群居算法的机器人路径规划方法，其特征在于：每个蜘蛛个体都被赋予一个个体权重wi，代表种群中个体i所对应的解决问题的能力，每个蜘蛛的权重为：

J(Si)是蜘蛛个体Si位置获得的适应度值，besti为最优个体适应度值，worsti为最差个体适应度值，计算方式为：