1.一种基于鲸鱼优化算法的平滑路径规划方法，其特征在于，采用栅格法对障碍物进行划分，将地图分成若干个1×1的小方格，黑色代表障碍物，白色代表可以通行的空地，平滑路径规划方法包括：

S1：设置鲸鱼种群大小，最大迭代次数，维度数；

S2：采用一维混沌映射Logistic映射生成初始种群；

S3：根据适应度函数公式，计算初始种群中每个个体的适应度函数值，根据初始种群中每个个体的适应度函数值确定出初始种群个体的全局最优解和全局最优适应度值，适应度函数公式为：

J＝w1×||P(x,y)||+w2×max|K(x,y)|+w3×max|K′(x,y)|+q其中，J为每一条鲸鱼个体的适应度值，不同的鲸鱼个体决定不同的路径形态，wi(i＝1,

2,3)表示各个目标的所占权重大小，||P(x,y)||表示路径曲线的长度，K(x,y)表示在曲线上任意一点(x,y)的曲率，K′(x,y)相应的表示任意一点(x,y)的曲率导数，||表示绝对值，max表示取集合的最大值，q代表惩罚因子，用于在当路径经过障碍物时，给该路径的适应度值加上数值为正的惩罚值；

S4：采用下列公式，计算鲸鱼个体的下一代位置：其中， 表示前一代个体位置， 表示个体当前位置，FO表示前四代个体位置的影响， 表示前一代全局最优个体的位置，L表示根据莱维飞行搜索策略计算后的位移，2

t表示迭代次数，C为属于[0,1]随机数，γ为调节步长大小的系数，u和v为服从u～N(0,σ)和v～N(0,1)分布的随机数；

S5：通过Besier方程和控制点计算出每个鲸鱼个体的曲线位置；

S6：测定曲线的长度、最大曲率和最大曲率导数，并计算出适应度值；

S7：根据步骤S6计算得到的适应度值排名更新当代最优鲸鱼个体的适应度值；

S8：判断是否达到最大迭代次数，如果达到，则执行步骤S9，否则，进行下一次迭代，执行步骤S3‑步骤S8；

S9：将算法寻到的适应度值最小的解作无人车路径规划的结果，进行输出。

2.如权利要求1所述的平滑路径规划方法，其特征在于，步骤S1采用一维混沌映射Logistic映射生成初始种群的表达式为：zk+1＝μzk(1‑zk)

其中，u为控制离散程度的可变参数，μ∈[0,4]，zk表示数列的第k个值，zk+1表示数列的第k+1个值。

3.如权利要求1所述的平滑路径规划方法，其特征在于，步骤S4在计算鲸鱼个体的下一代位置时，采取Lévy飞行策略对解进行扰动来增强解的多样性，并同时引入分数阶展开方程，对鲸鱼个体的下一代位置公式变换后进行分数阶展开，参数α的表达式为 其中MaxIter代表最大迭代次数；

鲸鱼个体位置具体更新机制如下列公式所示：采用概率p来确定鲸鱼个体的行为，当p<0.5时，鲸鱼采取搜索策略搜寻猎物，当p≥0.5时，鲸鱼个体采取攻击策略捕获猎物，R(t)为方便表示用的中间变量，l为取值范围为[‑1,

1]的随机数，b表示定义螺旋形状的常数， 表示当前个体到最优个体的位移，k代表平衡整体与局部的策略参数，取值范围为[0,2]，的表达式为是取值范围为[‑2,2]的变量，随着迭代次数的增加，其值向0收敛，最终变为

0； 表示取值范围为[0,1]的随机数，是一个与迭代次数有关的参数，公式为

4.如权利要求1所述的平滑路径规划方法，其特征在于，步骤S5中Besier方程的公式为：

其中，u是一个和时间相关的变量，P(u)代表Bezier曲线，pi表示控制点坐标的向量表示，Bi,n(u)是Bezier曲线的基函数，其函数表达为：for i＝0,1,2,…,n。