1.一种基于蚁群算法的移动机器人路径规划方法，其特征在于，包括如下步骤：步骤一：采用栅格法对机器人的工作环境进行建模，设置机器人的初始节点S和目标节点G；

步骤二：初始化蚁群算法的基本参数；

步骤三：将蚂蚁放置在初始节点S上，并将初始节点S加入到禁忌表中；

步骤四：根据禁忌表，判断蚂蚁是否陷入了死锁状态，若蚂蚁处于死锁状态，则采用算法，使得蚂蚁逃离死锁区域，进行更新禁忌表，将死锁节点添加到禁忌表中；

步骤五：基于A*算法的启发式代价，考虑蚂蚁前一个节点到当前节点的线段与当前节点到下一节点的线段之间的夹角，构造启发信息函数，根据启发式信息，在轮盘赌法算法的基础上计算蚂蚁在当前节点选择下一个节点的状态转移概率，蚂蚁到达下一节点后，更新禁忌表，将当前节点加入禁忌表；

所述启发信息函数为：

其中Q2为一个大于1的常数；cost(bend)为弯曲抑制算子；turn是从前一个节点n‑1到下一个节点n+1的回合数，thita为前一个节点n‑1到当前节点n的线段与当前节点n到下一个节点n+1的线段之间的夹角；是将转弯次数转换为网格长度的系数；ψ是角到栅格长度的转换系数；

步骤六：判断蚂蚁是否到达目标节点G，若是，停止搜索，一次迭代结束，否则，继续按照步骤三到步骤五的方法搜索直到找到目标点；

步骤七：判断迭代次数N是否达到最大迭代数Nmax，若满足，则结束，输出最优路径，若不满足，则转到步骤三，直到N＞Nmax,输出最优路径。

2.根据权利要求1所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述A*算法的启发式代价用估计函数表示，估计函数方程f(n)为：f(n)＝g(n)+h(n)

2 2 1/2

h(n)＝((nx‑gx) +(ny‑gy))

2 2 1/2

g(n)＝((nx‑sx) +(ny‑sy))

其中g(n)为从源节点到当前节点的最小代价，h(n)为从当前节点到目标节点的最小代价，nx和ny为当前节点n的坐标，gx和gy为目标节点g的坐标，sx和sy为初始节点s的坐标。

3.根据权利要求1所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述步骤五包括：在蚁群算法的启发式代价基础上加入弯曲抑制算子，以减少弯曲次数和较大的累积转角，来构造启发信息函数。

4.根据权利要求1所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述转移概率为：其中，t为时刻，τij是当前节点i到下一节点j的信息素轨迹，ηij是当前节点i到下一节点j轨迹的启发式信息，α为决定了信息素轨迹相对影响的信息素浓度刺激因子，β为决定了启发式信息相对影响的可见性刺激因子，dij为当前节点i到下一节点j的距离，(xi,yi)和(xj,yj)为当前节点i和下一节点j的坐标，allowk为当蚂蚁到节点i时可以选择的节点集合。

5.根据权利要求1所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述采用栅格法对机器人的工作环境进行建模，其模型包括：白色栅格表示机器人的可行区域，黑色栅格表示障碍物，机器人无法通过，机器人行走时，障碍物处于静止状态且大小固定，机器人大小为单位栅格大小，在栅格环境中建立笛卡尔坐标系，对栅格从左至右，从上到下进行编码。

6.根据权利要求1所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述蚁群算法各基本参数包括：蚂蚁数量m，参数α，其决定信息素路径的相对影响，参数β，其决定启发式值，全局信息素挥发系数ρ，信息素强度Q1，迭代阈值R，设置最大迭代次数Nmax。

7.根据权利要求1所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述步骤四中，若蚂蚁处于死锁状态，则采用回收机制算法，直到蚂蚁逃离死锁区域。

8.根据权利要求1‑7任一项所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述机器人工作环境包括：隧道图、槽图或挡板图。

9.权利要求1‑8任一项所述的一种基于蚁群算法的移动机器人路径规划方法，其特征在于，所述方法应用于无人机导航、无人驾驶领域。