1.城市环境下基于改进鲸鱼算法的无人机三维路径规划方法，以起点和终点作为对角顶点建立矩形规划空间，起点为坐标原点，通过坐标系x轴分割法，将规划空间沿x轴n等分，n取[5,15]，通过确定一组y的序列，得到一条路径，即可行解y＝{y1,y2…yn‑1,yn}，其特征在于，包括以下步骤：S1：初始化鲸鱼个体初始解、最大迭代次数T、种群个数N、迭代次数t＝1，通过适应度函数，计算所有个体的适应度值，确定初始种群个体的全局最优解和全局最优适应度值，并将每个个体和它的适应度值保存为自身最优解和自身最优适应度值；所述步骤S1中所述的适应度函数具体为：f＝k1fh+k2fl+(1‑k1‑k2)ft，其中fh为飞行高度成本，fl为飞行能耗成本，ft为飞行威胁成本，k1、k2为权重系数，k1+k2＜1；

S2：利用余弦函数，通过最大迭代次数T和迭代次数t计算新的收敛因子a，并计算系数向量A,更新随机参数p；所述步骤S2中收敛因子a计算公式为： 其中t为当前迭代次数，T为最大迭代次数；

S3：根据鲸鱼个体更新机制，更新个体位置；所述S3中系数向量A计算公式为A＝2a×r1‑a，r1是[0,1]内的随机数；所述步骤S3中的更新机制包括：信息交流‑包围机制：其中Dm_best＝|E×xm_best‑xt|，xm_best表示个体记忆最优解；Dl_best＝|E×xl_best‑xt|，xl_best表示个体邻域最优解；Dbest＝|C×xbest‑xt|，xbest表示当前迭代最优解，C＝2×r2，r2是[0,1]的随机数, 为全局最优位置，xt为鲸鱼个体的初始解中的任意一个，xt+1为更信后的位置；

所述步骤S3中的更新机制具体为：

“信息交流‑包围机制”：

“螺旋更新机制”：

“随机探索更新”xt_rand‑A×Drand|A|＞1；

即 其中b为常数，l为[0,1]的一个

随机向量，Drand＝|C×xt‑rand‑xt|，D为原鲸鱼算法里定义的量，是更新机制的一个参数，表示当前个体到最优解的距离，公式为 为全局最优位置，xt为鲸鱼个体的初始解中的任意一个，xt+1为更信后的位置，xt_rand为第t次迭代中的一个随机解；

S4：重新计算所有个体的适应度值，分别跟自身最优适应度值比较，若小于自身适应度值，则更新为自身最优适应度值，并将该个体更新为自身最优解；将所有个体的适应度值与全局最优适应度值比较，将最小的适应度值更新为全局最优适应度值，将全局最优适应度值对应的个体更新为全局最优解；

S5：若全局最优解未被更新，通过levy飞行对最优解执行扰动，否则执行步骤S6；

S6：若t＝T，则执行步骤7，否则，使t＝t+1后执行步骤S2‑S5；

S7：算法寻到的适应度值最小的解作为城市环境下基于覆盖的无人机三维路径规划的最优路径。

2.根据权利要求1所述的城市环境下基于改进鲸鱼算法的无人机三维路径规划方法，其特征在于：所述的飞行高度成本为： 其中 为了保证飞行的安全，设定在(xi,yi,zi)点的飞行高度为z′i＝zi+h，h取[3,5]之间的固定值，zmax和zmin为无人机飞行的最高和最低高度，设定zmin＝3，zmax为规划空间中最高点对应的飞行高度。

3.根据权利要求2所述的城市环境下基于改进鲸鱼算法的无人机三维路径规划方法，其特征在于：所述的飞行能耗成本为： 其中λ1、λ2是权重因子，根据水平飞行和垂直飞行的耗能情况，设定λ1+λ2＝1，且λ1＜λ2，L为起点S(xS,yS,zS)到终点D(xD,yD,zD)的最短距离，表示为： li为第i段航迹的飞行距离，表示为：

4.根据权利要求3所述的城市环境下基于改进鲸鱼算法的无人机三维路径规划方法，其特征在于：所述的飞行威胁成本中：设第i段航迹的端点是pi‑1(xi‑1,yi‑1)和pi(xi,yi)，威胁区j的圆心坐标为Oj(xj,yj)，引入垂足判别式得到：

5.根据权利要求4所述的城市环境下基于改进鲸鱼算法的无人机三维路径规划方法，其特征在于：所述的飞行威胁成本为：首先计算第i个航段pipi‑1的直线方程式：pipi‑1：用dij表示第j个威胁区域圆心Oj(xj,yj)到第i个航段

pipi‑1的距离，表示为： 则威胁成本表示为：

其中m表示威胁区个数，rj为第j个威

胁区域的半径。