1.一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：包括：步骤一：制作海底数字地形图；

步骤二：多波束对海底地形进行采集，形成实时地形匹配图；

步骤三：根据惯导系统和惯导系统误差确认海底数字地形图的位置及大小；

步骤四：利用改进樽海鞘群算法实现子图在海底数字地形图中位置的定位；

步骤五：第k次定位结果与第k‑1次定位结果之间水平位置变化与第k次和第k‑1次定位时基本导航间的水平位置变化之差在一个阈值范围内。

2.根据权利要求1一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：在所述步骤一和步骤二中，海底数字地形图和多波束形成的子图分辨率相同。

3.根据权利要求2所述的一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：所述子图的大小由多波束系统和AUV所处位置的水深确定。

4.根据权利要求1所述的一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：在所述步骤四中，利用改进樽海鞘群算法的水下地形定位，其改进方法如下：S1Circle混沌初始化樽海鞘群位置，公式如下：S2在跟随者位置加入自适应惯性权重，公式如下：ω＝ωs(ωs‑ωc)·(T‑t)/T其中，t为当前迭代次数，T为迭代次数；

新的追随者位置更新公式如下：

其中， 为当前代樽海鞘跟随者i在第j维空间的位置， 分别为上一代中樽海鞘跟随者i，i‑1在第j维的位置；

S3对全体樽海鞘进行遗传算法局部优化Xnew＝a*x(1)+(l‑a)*X(2)，rand＜pXnew＝a*(Fj‑X(l))+X(l)，rand＜q其中，a为(0，1)之间的随机数，F为食物源位置，p为交叉概率，q为变异概率X(1)、X(2)为锦标赛选择个体中最优和次优的樽海鞘；

S4对食物源进行随机游走

F(t)＝[0，cumsum(2r(t1)‑1，cumsum(2r(t2)‑1，…，Cumsum(2r(tn)‑1]其中，F(t)为食物源的位置，cumsum为累加和，t为当前的迭代次数，n为最大迭代次数，r(t)为随机函数，

进行归一化：

其中，Fj表示食物源的标准化位置，aj、bj分别为第j维变量随机移动步长的最小值、最大值， 分别为第j维变量第t代随机游走的最小值、最大值；

游走边界如下

其中，I随迭代次数的增加分段线性递增：t为当前迭代次数，T为最大迭代次数，ω取决于当前代数

5.根据权利要求1所述的一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：在所述步骤四中，采取归一化相关算法作为定位适应度函数。

6.根据权利要求5所述的一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：在采取所述归一化相关算法作为定位适应度函数中，适应度函数取归一化相关算法的相反数，适应度函数公式如下：其中x为海底数字地形图的水深，海底数字地形图平均水深，y为实时地形匹配图的水深，实时地形匹配图的平均水深。

7.根据权利要求4所述的一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：在所述S3中，对遗传算法优化的樽海鞘个体与未优化的个体适应度比较，采取贪婪策略选取适应度好的樽海鞘个体。

8.根据权利要求1所述的一种基于改进樽海鞘群算法的水下地形辅助导航方法，其特征在于：所述步骤四中包括如下操作：S4.1设置种群规模N，迭代次数T，问题维度dim，权重因子初始值ωs，最终值ωf，交叉变异概率p、q；

S4.2利初始化规模为N，维数是dim的樽海鞘群，由此产生N块候选图像块；

S4.3排序：将群体中按照ρ(i)排序，相似度值大的一半视为领导者，另一半视为跟随者；

S4.4利用改进后的樽海鞘群算法更新领导者与跟随者位置；

S4.5计算更新后种群的适应度值，并更新食物源位置；

S4.6重复S3.3‑S3.5，如果达到设置的精度要求或规定的最大迭代次数，则终止算法，输出相似度最高的位置；

S4.7将第k次定位结果与第k‑1次定位结果之间水平位置变化与第k次和第k‑1次定位时基本导航间的水平位置变化之差与阈值进行比较；如果其差小于阈值，则匹配成功，如果大于阈值则在此位置进行第二次次匹配，如第二个匹配仍然大于阈值，则放弃此位置的匹配，进行下一地点匹配。