1.一种基于异构双种群蚁群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，初始化移动机器人的环境地图，初始化蚁群算法信息重要程度参数 表示信息素重要程度、β启发函数重要程度、γ代表启发式协同信息素重要程度，蚂蚁进入下一步的策略方程；信息素浓度τij，启发函数ηij以及协同信息素σij；

S2，根据任务，获取到移动机器人的起始点和目标点的x，y轴坐标；

S3，计算两点间的环境复杂度Oij和全局复杂度Oglobal，公式如下：Oij＝[x_RHC(R(A))+y_RHC(C(B))]/2Oglobal＝[x_RHC(R(A))global+y_RHC(C(B))global]/2其中x_RHC(R(A))代表两点间x轴海明相对距离，y_RHC(C(B))代表两点间y轴海明相对距离，x_RHC(R(A))global代表全局x轴海明相对距离，y_RHC(C(B))global代表全局y轴海明相对距离；

S4，计算两点间和全局环境复杂度的比值，即相对复杂度S5，判断H值的大小，当H<1即在地图环境简单下，更新信息素算子采用精英蚂蚁系统信息素算子如下：τij＝τij+e·Q/Leli·H，

其中e代表精英蚂蚁数目，Q为常数代表蚂蚁循环一次所释放的信息素总量Leli代表精英蚂蚁路径长度；

当H>1即在地图复杂环境下，采用改进型蚁群算法，采用同时更新局部信息素浓度和全局信息素更新策略，更新信息素算子公式如下：S6，运行异构双种群蚁群算法，即采用精英蚂蚁系统算法和蚁群系统算法；

S7，计算每代信息素浓度；

S8，迭代次数加一；

S9，根据当前迭代次数判断是否需要种群间交流，当为exchange的N次整数倍时交换信息素，公式如下：τEAS＝σIACS,τIACS＝σEAS,if iteration＝N·exchangeiterationmax≥N·exchange

其中exchange设定为10，N为正整数，iterationmax为程序设置的最大迭代次数，τIACS表示改进型蚁群算法信息、τEAS表示精英蚂蚁系统信息、σIACS表示改进蚁群算法协同启发信息、σEAS精英蚂蚁系统协同启发信息、SIACS、SEAS代表更新后改进蚁群算子和精英蚂蚁系统的转移算子，τij表示两连接点信息素浓度，ηij表示启发式函数，q是系统生成的随机数，q0是人为设置的一个常数；

S11，结束迭代，输出当前路径即为移动机器人的最优路径，结束。

2.根据权利要求1所述的一种基于异构双种群蚁群算法的移动机器人路径规划方法，其特征在于，所述步骤S6的精英蚂蚁系统算法和改进型蚁群算法分别为：改进型蚁群算法为：

精英蚂蚁系统：

τij＝τij+e·Q/Leli

其中S代表下一个节点概率I代表可行解集 和β代表权重系数，τ代表信息更新策略，ρ表示信息素挥发程度，1>ρ>0，Leli代表最优蚂蚁的路径长度Lave代表蚂蚁平均路径长度L1代表较优蚂蚁路径长度,e代表精英蚂蚁数目，Q为常数代表蚂蚁循环一次所释放的信息素总量。