1.一种基于改进遗传算法的无人艇路径规划方法，其特征是，该方法包括以下步骤：获取无人艇的航向数据和位置数据，并对其进行预处理；

采集无人艇所处环境的海浪信息，并将其转换为约束因子；

采用改进遗传算法根据无人艇的航向数据和位置数据进行路径规划，得到最优路径排序；

基于最优路径排序，根据约束因子修正无人艇的航向和航速，完成路径规划。

2.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，所述无人艇的航向数据和位置数据包括无人艇所需航行点的经纬度坐标数据，并将航行点的经纬度坐标变换为直角坐标系下的横纵坐标值。

3.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，所述约束因子为：其中，h为海浪的高度，Vl为海浪的流速，λ0为海浪的波长。

4.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，所述改进遗传算法包括基于双域反演的遗传算法和基于多域反演的遗传算法。

5.根据权利要求4所述的基于改进遗传算法的无人艇路径规划方法，其特征是，基于双域反演的遗传算法进行路径规划的具体方法为：(1)参数初始化：设置种群规模，最大迭代次数，初始交叉概率和初始变异概率；

(2)初始化种群：随机生成初始种群作为遗传过程中的父代；

(3)适应度值的计算：计算每条染色体的适应度值，根据计算所得适应度值对初始种群进行排序；

(4)对染色体进行选择，交叉和变异操作，同时计算新产生种群的适应度值，根据该值重新排序，获得新的种群作为初级子代；

(5)进行双域反演操作：随机选择四个序号作为染色体编码的反转点，在前两个点和后两个点之间分别生成两个域，两个区域中的片段同时反转以产生新的子代，比较子代染色体和父代染色体的适应度值，保留适应度值更大的染色体，更新种群；

(6)判断是否满足迭代终止条件，若不满足终止条件，则迭代次数加一，转步骤(4)；若满足则转步骤(7)；

(7)从各迭代保留结果中选择最优个体作为双域反演遗传算法的最优解并输出。

6.根据权利要求3所述的基于改进遗传算法的无人艇路径规划方法，其特征是，基于多域反演的遗传算法进行路径规划的具体方法为：(1)参数初始化：设置种群规模，最大迭代次数，初始交叉概率和初始变异概率；

(2)初始化种群：随机生成初始种群作为遗传过程中的父代；

(3)适应度值的计算：计算每条染色体的适应度值，根据计算所得适应度值对初始种群进行排序；

(4)对染色体进行选择，交叉和变异操作，同时计算新产生种群的适应度值，根据该值重新排序，获得新的种群作为初级子代；

(5)进行多域反转操作：在编码字符串中随机定义了四个反转点，在任意两个反转点之间生成六个区域，六个区域中的片段单个反转产生六个新的子染色，以及在前两个点和后两个点之间分别生成两个域，两个区域中的片段同时反转以产生新的第七个子染色；比较七个子代染色体和父代染色体的适应度值，适应度值更大的染色体，更新种群；

(6)判断是否满足迭代终止条件，若不满足终止条件，则迭代次数加一，转步骤(4)；若满足则转步骤(7)；

(7)从各迭代保留结果中选择最优个体作为多域反演遗传算法的最优解并输出。

7.根据权利要求1所述的基于改进遗传算法的无人艇路径规划方法，其特征是，所述基于最优路径排序，根据约束因子修正无人艇的航向和航速的具体方法为：将得到的最优路径排序与无人艇所需航行点的经纬度坐标数据相结合，绘制直角坐标系路径图，并得到无人艇的当前位置与目标点之间的距离及偏转角信息；

根据约束因子对无人艇当前位置与目标点之间的距离及偏转角信息进行数据处理，得到无人艇当前位置与目标点的实时偏转角度及相对距离。

8.一种基于改进遗传算法的无人艇路径规划系统，其特征是，该系统包括：航行数据获取模块，用于获取无人艇的航向数据和位置数据，并对其进行预处理；

约束因子确定模块，用于采集无人艇所处环境的海浪信息，并将其转换为约束因子；

最优路径规划模块，用于采用改进遗传算法根据无人艇的航向数据和位置数据进行路径规划，得到最优路径排序；

航迹修正模块，用于基于最优路径排序，根据约束因子修正无人艇的航向和航速，完成路径规划。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征是，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于改进遗传算法的无人艇路径规划方法中的步骤。

10.一种处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于改进遗传算法的无人艇路径规划方法中的步骤。