1.一种基于强化学习的多目标自适应约束无人机路径规划方法，其特征在于，初始化无人机路径种群，包括主种群、辅助种群和输出种群；

确定种群状态，包括主种群中可行个体比例、可行非支配个体与非支配个体的比例、中心点、标准差和基于辅助种群确定的状态标志；

根据种群状态，利用强化学习网络得到动作，并存储至输出种群；强化学习网络按如下公式计算奖励；

R＝max(-20,min(20,R'))

式中，R'表示中间变量，IGD表示主种群的反向代际距离，IGD'表示更新后主种群的反向代际距离，表示更新后主种群的可行个体比例向下取整，χ表示更新后辅助种群的个体数量，表示更新后主种群中所有个体的约束违反值之和，表示更新后输出种群中所有个体的约束违反值之和，表示更新后主种群中所有个体在目标空间的标准差，表示更新后输出种群中所有个体在目标空间的标准差，flag表示状态标记；

反向代际距离计算公式为：

式中，y是个体x的目标值，md(y，P1)是个体x在目标空间中离主种群P1中最近个体的欧氏距离，P2表示辅助种群；

判断是否达到终止条件，若否以动作为索引选择自适应约束策略更新种群并继续迭代，若是以输出种群中所有非支配个体作为优化的无人机飞行路径；更新主种群时，以动作作为索引选择约束处理更新方式；所述约束处理类别包括目标值优先、边界值优先以及约束支配原则。

2.根据权利要求1所述的路径规划方法，其特征在于，

中心点为主种群中所有个体目标函数的平均值；

标准差的计算公式为：

其中，表示中心点，y表示所有个体xi对应的目标值，是y和的欧氏距离；

基于辅助种群确定的状态标志，计算公式为：

其中，μj是辅助种群P2更新个体的比率，μthr是预设的参数，J是由每10个连续的代数组成的集合。

3.根据权利要求1所述的路径规划方法，其特征在于，采用如下损失函数对强化学习网络进行训练：式中，R表示奖励，λ表示未来奖励的折扣因子，是把状态St'输入到目标网络Q2后输出最大的动作a'的价值，St'表示更新后种群状态，Q2表示目标网络，Q1表示主网络，Q1(St，a)是把状态St输入到主网络Q1后，动作a对应的动作价值。

4.根据权利要求1所述的路径规划方法，其特征在于，

选择目标值优先时，获取主种群的子代种群并与主种群合并，确定合并种群中每个个体无约束支配其他个体的数量，并计算合并种群中所有个体适应度，以及移除适应度最大的个体；

选择边界值优先时，获取主种群的子代种群并与主种群合并，确定合并种群中每个个体边界约束支配其他个体的数量，并计算合并种群中所有个体适应度，以及移除适应度最大的个体；

边界约束支配定义为：根据约束函数计算个体xi的约束违反值Gi，对于两个个体x1和x2，如果G1和G2同时小于等于边界值ε或G1等于G2，同时x1所有的目标函数值都不差于x2，且至少在一个目标函数上，x1的值严格优于x2，那么x1边界约束支配x2；如果G2大于边界值ε，并且G1小于G2，那么x1边界约束支配x2；

选择约束支配原则时，获取主种群的子代种群并与主种群合并，确定合并种群中每个个体约束支配其他个体的数量，并计算合并种群中所有个体适应度，以及移除适应度最大的个体；

约束支配定义为：根据约束函数计算所个体xi的约束违反值Gi，对于两个个体x1和x2，如果G1等于G2，同时，x1所有的目标函数值都不差于x2，且至少在一个目标函数上，x1的值严格优于x2，那么x1约束支配x2；如果G1小于G2，那么x1约束支配x2。

5.根据权利要求4所述的路径规划方法，其特征在于，边界值ε按如下方式确定：式中，ε0是初始种群所有个体中最大的约束违反值，t表示当前的迭代数，Tmax表示最大迭代次数。

6.根据权利要求4所述的路径规划方法，其特征在于，主种群的子代种群通过如下步骤获得：合并主种群与输出种群得到副主种群，基于副主种群中每个个体分配邻居集合；

对于每个个体xi，从对应的邻居集合中任选两个个体，以无约束支配适应度小的个体作为父代个体，遍历邻居集合，确定最终父代个体xr1和xr2；

对父代个体xr1和xr2进行突变，得到个体ui；

对个体ui中的每个分量u'i以1-CR的概率还原成个体xi中对应的分量x'i，得到CR是变异率。

7.根据权利要求6所述的路径规划方法，其特征在于，按如下公式分配邻居集合，式中，σ表示最大邻居角度，yi是以个体xi的目标值组成目标向量，θ(yi,yj)是向量yi和yi形成的夹角，P4表示副主种群。

8.根据权利要求4或6所述的路径规划方法，其特征在于，个体适应度的计算步骤包括：Fiti＝Ri+Di

式中，Fiti表示个体适应度，Ri表示个体原始适应度，Di表示个体密度，P表示合并种群，xj>xi表示xj支配xi，Si表示个体xi按所需约束方式支配合并种群中其他个体的数量，τ表示xi距离第个个体的欧氏距离。