1.一种基于改进人工鱼群算法的机器人路径规划方法，其特征在于，包括：获取机器人运动的起点位置和终点位置，并基于混沌初始化策略形成多个初始路径节点位置；

基于所述多个初始路径节点位置构建人工鱼群模型，并初始化人工鱼群的相关参数，根据种群进化、视野自适应更新和步长自适应更新融合改进的人工鱼群算法对目标适应度函数进行优化求解得到最优路径节点位置；

其中，基于三次样条插值法，根据所述起点位置、所述终点位置和路径节点位置确定多个插值点位置，并基于所述多个插值点位置计算机器人运动的路径总长度，基于所述路径总长度构建目标适应度函数；

根据所述起点位置、所述终点位置，以及所述最优路径节点位置和对应的多个插值点位置生成最优路径。

2.根据权利要求1所述的基于改进人工鱼群算法的机器人路径规划方法，其特征在于，所述基于所述多个初始路径节点位置构建人工鱼群模型，并初始化人工鱼群的相关参数，包括：以所述各初始路径节点位置作为各人工鱼的状态，并初始化人工鱼群的相关参数；

基于目标适应度函数计算各人工鱼的适应度值，选取适应度值最小的前第一预设数量的人工鱼作为初始人工鱼群。

3.根据权利要求1所述的基于改进人工鱼群算法的机器人路径规划方法，其特征在于，所述相关参数包括人工鱼群的视野、步长、拥挤度因子和最大迭代次数；

所述根据种群进化、视野自适应更新和步长自适应更新融合改进的人工鱼群算法对目标适应度函数进行优化求解得到最优路径节点位置，包括：步骤1、基于各人工鱼的当前状态和所述相关参数，对各人工鱼执行群聚行为、追尾行为和觅食行为中的至少一种，并基于执行所述至少一种行为后各人工鱼的适应度值中的最小值，确定各人工鱼的下一状态；

步骤2、选取所述各人工鱼的下一状态对应的适应度值最大的前第二预设数量的人工鱼作为淘汰人工鱼群；对所述淘汰人工鱼群进行种群进化，得到所述淘汰人工鱼群中各人工鱼的进化状态作为所述淘汰人工鱼群中各人工鱼的下一状态；

步骤3、根据各人工鱼的下一状态与各人工鱼的当前状态确定各人工鱼的最优状态，将各人工鱼的最优状态作为下次迭代中各人工鱼的当前状态；

步骤4、对人工鱼群的视野和步长进行自适应更新；

步骤5、重复执行上述步骤1至步骤4，直至达到最大迭代次数，根据各人工鱼的最优状态确定最终全局最优状态，将所述最终全局最优状态作为最优路径节点位置。

4.根据权利要求3所述的基于改进人工鱼群算法的机器人路径规划方法，其特征在于，所述种群进化表示为：t+1 't+1

式中，Xq 和Xq 分别为淘汰人工鱼群中第q个人工鱼的下一状态和进化状态，q＝1, 

2,…, Q，其中，Q为淘汰人工鱼群中人工鱼的个数；Xbest为人工鱼群中的全局最优状态，α和β为随机数，Xr1、Xr2、Xr3和Xr4分别为人工鱼群中四个不同的人工鱼的下一状态；ζ为反馈因子，表示为：t+1

式中，fitnessideal为理想适应度值，fitnessq 为第q个人工鱼的下一状态对应的适应度值。

5.根据权利要求1所述的基于改进人工鱼群算法的机器人路径规划方法，其特征在于，视野自适应更新表示为：式中，Visualt和Visualt+1分别表示当前视野和下一视野，t为当前迭代次数， T为最大迭代次数；

步长自适应更新表示为：

式中，stept和stept+1分别表示当前步长和下一步长，p∈[1,10]为控制因子。

6.根据权利要求1至5任一项所述的基于改进人工鱼群算法的机器人路径规划方法，其特征在于，所述目标适应度函数表示为：式中，Jcost为目标适应度函数，L为路径总长度，ω为碰撞系数，η为碰撞检测因子；(Xk,Yk)为第k个插值点位置，即第k个插值点的坐标，(Xk+1,Yk+1)为第k+1个插值点位置，其中，k＝1, 2,…, K，K为插值点位置的个数；

η表示为：

式中，XX为所有插值点位置的横坐标的集合，YY为所有插值点位置的纵坐标的集合；

(Xon,Yon)为第n个障碍物的圆心位置，即第n个障碍物的圆心坐标，rn为第n个障碍物的半径，n＝1, 2,…, N，其中，N为障碍物的个数；dn为所有插值点到第n个障碍物的圆心的距离；θn为一个集合，mean(θn)表示θn中所有数的均值。

7.根据权利要求3所述的基于改进人工鱼群算法的机器人路径规划方法，其特征在于，所述基于各人工鱼的当前状态和所述相关参数，对各人工鱼执行群聚行为、追尾行为和觅食行为中的至少一种，并基于执行所述至少一种行为后各人工鱼的适应度值中的最小值，确定各人工鱼的下一状态，包括：基于各人工鱼的当前状态和所述相关参数，对各人工鱼执行群聚行为，并基于目标适应度函数确定各人工鱼的第一适应度值；若不满足群聚行为，则执行觅食行为，并基于目标适应度函数确定各人工鱼的第一适应度值；

对各人工鱼执行追尾行为，并基于目标适应度函数确定各人工鱼的第二适应度值；若不满足追尾行为，则执行觅食行为，并基于目标适应度函数确定各人工鱼的第二适应度值；

基于各人工鱼的第一适应度值和第二适应度值中的最小值，确定各人工鱼的下一状态。

8.一种基于改进人工鱼群算法的机器人路径规划装置，其特征在于，包括：获取模块，用于获取机器人运动的起点位置和终点位置，并基于混沌初始化策略形成多个初始路径节点位置；

计算模块，用于基于所述多个初始路径节点位置构建人工鱼群模型，并初始化人工鱼群的相关参数，根据种群进化、视野自适应更新和步长自适应更新融合改进的人工鱼群算法对目标适应度函数进行优化求解得到最优路径节点位置；基于三次样条插值法，根据所述起点位置、所述终点位置和路径节点位置确定多个插值点位置，并基于所述多个插值点位置计算机器人运动的路径总长度，基于所述路径总长度构建目标适应度函数；

生成模块，用于根据所述起点位置、所述终点位置，以及所述最优路径节点位置和对应的多个插值点位置生成最优路径。

9.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于改进人工鱼群算法的机器人路径规划方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于改进人工鱼群算法的机器人路径规划方法。