1.一种基于综合赋权的无人机任务规划方法，其特征在于，包括：确定任务的出发站点和途径站点，获取各站点间的物理空间距离；获取所述途径站点在任务执行时间段内的天气状态期望值；将站点的天气状态期望值作为两个站点间物理空间距离的权重因子，计算得到两个站点间的路径代价，构建路径代价模型，所述路径长度模型中描述了任意两个站点间的路径代价；根据所述路径代价模型，构建用于计算规划路径总代价的规划路径总代价模型；对所述路径总代价模型进行求解，获取总路径代价最小的路径；将途径站点总数记为m，将出发站点记为c，所述路径代价模型记为G；所述规划路径总代价是规划路径上每对相邻的站点间的路径代价之和；所述规划路径总代价的表达式为：其中，规划路径中无人机访问站点的顺序记为 ， 表示依次访问的途径站点， 为从出发站点 c 前往第一个站点时 v 1 的路径代价， 为站点 与站点 间的路径代价计算，1≤ i ≤ m ，1≤ j ≤ m ， 为从站点 v m 前往出发站点 c 的路径代价；对所述路径总代价模型进行求解，包括：构造判别函数 ，代表站点 向站点 的无人机路径情况，表示为：满足所有站点均被访问，且只被访问一次，表示为：为基于天气因素对任务规划影响的路径代价模型优化目标函数表示为：利用遗传算法求解，获取总路径代价最小的路径。
2.如权利要求1所述的一种基于综合赋权的无人机任务规划方法，其特征在于，获取所述途径站点在任务执行时间段内的天气状态期望值包括：获取天气预报信息，将第 天的第 个站点的天气状态记为 ，则第 个站点第 天的天气状态 表示为：其中， 表示第 个站点的天气情况，由第 天转移至第 天的天气转移概率，对于第 个站点来说，未来 天内的天气情况的期望可表示为： 。
3.如权利要求2所述的一种基于综合赋权的无人机任务规划方法，其特征在于，所述天气转移概率包括：将第 天到第 天好转好的概率记为 ，好转坏的概率为 ，坏转好的概率为 ，坏转坏的概率为 ，满足 ，转移概率矩阵 表示为： 。
4.如权利要求1所述的一种基于综合赋权的无人机任务规划方法，其特征在于，所述将站点的天气状态期望值作为两个站点间物理空间距离的权重因子，是将该两个站点间到达站点的天气状态期望值作为该两个站点间物理空间距离的幂指数。
5.如权利要求4所述的一种基于综合赋权的无人机任务规划方法，其特征在于，将途径站点总数记为 m ，将出发站点记为 c ，所述路径代价模型记为G，表达形式为：其中， 为预设的调整因子， ， 代表站点 和站点 之间的物理空间距离，1≤ i ≤ m ，或 i=c， 1≤ j ≤ m ，或 j=c，E j 是站点 的天气状态期望值 。
6.一种基于权利要求1所述的基于综合赋权的无人机任务规划方法的基于综合赋权的无人机任务规划系统，其特征在于，包括：获取空间距离模块，用于确定任务的出发站点和途径站点，得到各站点间的物理空间距离；获取天气状态期望值模块，用于通过获取天气预报信息，构造天气情况转移概率矩阵，得到途径站点在任务执行时间段内的天气状态期望值；获取路径代价模块，将站点的天气状态期望值作为两个站点间物理空间距离的权重因子，计算得到两个站点间的路径代价，构建路径代价模型后，构建用于计算规划路径总代价的规划路径总代价模型；路径代价求解模块，用于通过对所述路径总代价模型进行求解，获取总路径代价最小的路径。
7.一种存储介质，其特征在于，其存储有计算机程序，当所述计算机程序在处理器上运行时，使得所述处理器执行权利要求1～5任一项所述方法的步骤。
