1.基于鲸鱼优化算法的移动机器人路径规划方法，其特征在于，包括以下步骤：S1：对鲸鱼优化算法初始化，设置算法的参数，利用适应度函数，获得鲸鱼在所有位置上的适应度值，并确定鲸鱼种群初始个体最优位置与全局最优位置；

S2：利用高斯分布函数，构造新的收敛因子a'，重新计算系数向量A，具体为：S21：利用高斯函数分布： 构建新的收敛因子公式为：a'＝af+(ai‑af)×f(t/tmax；0,1)，其中，ai表示收敛算子的初始值，af表示收敛算子的终值，tmax为最大迭代次数，t为当前迭代次数；x表示高斯分布函数的自变量，x0表示高斯分布函数的期望值，σ为标准差；

S22：利用新的收敛因子a'，计算系数向量A；

S3：根据鲸鱼个体位置更新公式，更新鲸鱼个体位置，利用二维栅格地图模型，获取移动机器人起始点到目标点可行路径的参数，得到每只鲸鱼所有可行的初始路径；

S4：计算新位置上鲸鱼个体的适应度值，将其与原位置的适应度值进行比较，若新位置的适应度值优于原位置适应度值，则更新鲸鱼种群的个体最好位置，并且更新全局最优位置；

S5、算法到达迭代次数后执行步骤S6，否则执行步骤S2‑S4；

S6、通过鲸鱼优化算法得到的全局最优位置，选择一条适应度值最小的鲸鱼路径作为移动机器人路径规划的最优路径。

2.根据权利要求1所述基于鲸鱼优化算法的移动机器人路径规划方法，其特征在于：步骤S1中所述适应度函数为： 其中Xi为第i只鲸鱼的位置，n表示鲸鱼个体在搜索空间中的维度，(xn,yn)表示第n维的鲸鱼个体在栅格地图上的坐标，同理，(xn+1,yn+1)表示第n+1维的鲸鱼个体在栅格地图上的坐标，d表示鲸鱼种群的维数。

3.根据权利要求1或2所述基于鲸鱼优化算法的移动机器人路径规划方法，其特征在于：步骤S1中所述鲸鱼种群初始个体最优位置与全局最优位置的确定方法如下：将第一次迭代时每只鲸鱼的位置设为初始个体最优位置；并比较所有鲸鱼个体的适应度值，取最小适应度值的鲸鱼个体的位置为全局最优位置。

4.根据权利要求1所述基于鲸鱼优化算法的移动机器人路径规划方法，其特征在于：所述系数向量A的计算公式为A＝2a'×r1‑a'，r1为[0,1]范围内产生的随机数，a'为新的收敛因子。

5.根据权利要求1所述基于鲸鱼优化算法的移动机器人路径规划方法，其特征在于：步骤S3所述鲸鱼个体位置更新包括包围锁定、气幕攻击和随机搜索三种方式。

6.根据权利要求5所述基于鲸鱼优化算法的移动机器人路径规划方法，其特征在于：令p为一个[0,1]内的随机数；

当p＜0.5且|A|＜1时，鲸鱼个体位置更新采用包围锁定方式，鲸鱼个体位置更新公式为： 其中，t为当前迭代次数， 表示第i只鲸鱼在d维空间中的位置向量， 表示当前时刻全局最优位置向量，A和C为系数向量，定义：A＝2a'×r1‑a'，C＝2×r2，其中，r1和r2为[0,1]范围内产生的随机数，a'为新的收敛因子；

当p＜0.5且|A|≥1时，鲸鱼个体位置更新采用随机搜索方式，鲸鱼个体位置更新公式为： 其中， 表示从当前群体中随机选择的鲸鱼个体位置向量；

当p≥0.5时，鲸鱼个体位置更新采用气幕攻击方式，鲸鱼个体位置更新公式为：其中， 表示第i只鲸鱼和当前全局最优位置的鲸鱼之间的距离，b为常数，用于限定对数螺旋形状，l为[‑1,1]之间的随机数。