1.一种无人船路径规划方法，其特征在于，包括：步骤S1、根据无人船和障碍物，得到海上障碍物栅格地图；

步骤S2、根据海上障碍物栅格地图的最短路径、障碍惩罚和平滑度设计路径适应度函数；

步骤S3、采用Tent-Logistic-Cosine混沌映射策略生成红尾鹰算法的初始种群，并通过适应性函数计算出初始的最优个体与最优适应度值；

步骤S4、利用高空翱翔、低空盘旋阶段和俯身冲刺阶段对种群位置进行初步更新；

步骤S5、采用混合进化策略对已有的种群位置进行更新，并通过边界条件限制确定更新后的最优解；

步骤S6、通过精确捕猎阶段更新种群，并对比更新前后的最优解与最优位置，对红尾鹰种群进行调整；

步骤S7、采用速度优化策略调整每个候选解的探索速度来更新种群位置；

步骤S8、在每个策略或阶段执行结束后，都要进行一次边界条件限制与候选解更新判断；在达到最大迭代次数后，提取最优个体与最优适应度值，得到最短路径；

步骤S2中，两点间最短路径为：

其中，N是种群数，t是当前的迭代次数，

使用惩罚公式计算出无障碍路径，

f2(t)＝Ewidth·Eheight·nB将上述两个公式结合，得到路径规划所使用的适应性函数，其中，nB是路径上碰撞的障碍物，Ewidth是地图的宽度和Eheight是地图的高度，使用路径平滑度函数消除路径中多余的转折点与曲折部分，其中，fi′(s)表示路径的一阶导数，表示路径上某点的斜率，fi″(s)表示路径的二阶导数，表示路径的曲率，ω1、ω2为权重系数，用于调整路径函数中斜率和曲率的权重，M表示路径被划分成的线段总数，i表示路径中的不同线段；

步骤S6中，更新种群过程如下：

RD＝randn(1,dim)

Xnewpost＝Xbest+HuntingForce·RD其中，tmax为设置的最大迭代次数，t为当前迭代次数，RD表示为每个候选解生成的随机探索捕猎方向，Xnew为该策略更新后的候选解，HuntingForce是捕猎力度；

在更新过程中根据当前的迭代次数来调整捕猎力度，其中，mod为一个函数，用于计算两个数相除的余数；ifmod(t,10)＝0表示计算当前迭代次数t除以10的余数为0的情况，当余数等于0时，调整一次猎捕力度，即每10次迭代调整一次捕猎力度，其他情况下保持捕猎力度不变。

2.如权利要求1所述的无人船路径规划方法，其特征在于，步骤S7中，候选解探索速度计算公式：V＝ω·V+C1·r1·(Xbest-X)+C2·r2·(Xbest-X)其中，V是探索速度，ω是惯性权重，C1为个体速度更新因子，C2是群体速度更新因子，r1和r2是[0,1]之间的随机数；

位置更新公式：

Xnew＝Xpos+V

其中，Xnew是更新后的候选解，Xpos是当前的候选解。

3.如权利要求2所述的无人船路径规划方法，其特征在于，步骤S8中，边界条件限制如下：如果X的值大于上界ub，则Xnew取上界ub，如果X的值在上界ub和下界lb之间，则Xnew保持X的值不变，如果X的值小于下界lb，则Xnew取下界lb，候选解更新判断：

Xnewcost＝fitness(Xnewpost)其中，Xcost是当前候选解的适应度值，Xnewcost是通过策略更新得到的新候选解的适应度值，Xpost是当前候选解，Xnewpost是通过策略更新得到的新候选解。

4.一种实现权利要求1所述的无人船路径规划方法的无人船路径规划装置，其特征在于，包括：第一处理模块，用于根据无人船和障碍物，得到海上障碍物栅格地图；

第二处理模块，用于根据海上障碍物栅格地图的最短路径、障碍惩罚和平滑度设计路径适应度函数；

第三处理模块，用于采用Tent-Logistic-Cosine混沌映射策略生成红尾鹰算法的初始种群，并通过适应性函数计算出初始的最优个体与最优适应度值；

第四处理模块，用于利用高空翱翔、低空盘旋阶段和俯身冲刺阶段对种群位置进行初步更新；

第五处理模块，用于采用混合进化策略对已有的种群位置进行更新，并通过边界条件限制确定更新后的最优解；

第六处理模块，用于通过精确捕猎阶段更新种群，并对比更新前后的最优解与最优位置，对红尾鹰种群进行调整；

第七处理模块，用于采用速度优化策略调整每个候选解的探索速度来更新种群位置；

第八处理模块，用于在每个策略或阶段执行结束后，都要进行一次边界条件限制与候选解更新判断；在达到最大迭代次数后，提取最优个体与最优适应度值，得到最短路径。

5.一种无人船路径规划系统，其特征在于，包括：存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至3任意一项所述的无人船路径规划方法。

6.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1至3任意一项所述的无人船路径规划方法。