1.一种融合爬山策略的改进粒子群混合的智能农机路径规划方法，其特征在于，包括以下步骤，S1.输入路径规划数据，假设每个粒子表示一条路径，利用Tent混沌映射算法对改进粒子群算法中的粒子群位置进行初始化；所述路径规划数据包括粒子的起点 Pstart 、终点 Pgoal 、地图 map 、粒子群种群数目 N_ pop 、改进粒子群算法迭代次数 N_iter 、一个粒子包含的散点个数 n_size；S2.利用随机惯性权重更新策略和粒子速度更新公式对粒子的速度和位置进行更新，采用异步动态调整算法对学习因子进行动态调整； ； 为粒子的惯性因数， N (0,1)表示标准正态分布， rand (0,1)为0-1之间的随机数， 均为常数；利用学习因子异步动态调整粒子种群，所谓学习因子异步动态调整指的是， c 1 与 c 2 随迭代过程动态变化，并且两者变化趋势正好相反，公式如下： （5）；式(5)中 c 1 为个体学习因子， c 2 为社会学习因子； t 为迭代次数， T 为总的迭代次数；式中 c 1,s ， c 1,e 分别代表 c 1 的起始值与终止值，同理 c 2,s ， c 2,e 分别代表 c 2 的起始值与终止值， c 1 是随着迭代的增加逐渐线性递减，而 c 2 是线性递增的；在粒子速度更新公式中引入加速度: （6）；式（6）中 表示第 k 个粒子在 t +1次迭代时的加速度，B为加速度量程系数； 为第 k 个粒子在第 t 次迭代时的适应度， 表示粒子群在第 t 次迭代时的平均适应度， best(t) 为粒子群在第 t 次迭代时的最优适应度;S3.判断是否满足路径规划数据的结束条件，当不满足结束条件时，重新执行S2；S4.对于满足结束条件的初始解，作为爬山算法的输入继续进行路径寻优，在经过爬山算法搜索后输出整体最优粒子，即最优路径。
2.根据权利要求1所述的一种融合爬山策略的改进粒子群混合的智能农机路径规划方法，其特征在于，步骤S1中采用混沌映射的方法来初始化粒子群，具体如下： ；式(1)为Tent混沌映射， 为第 k 个粒子在 x、y 轴上的坐标位置，当 的取值范围在[0, )， 的取值范围为[0,1)，对 在 x 与 y 方向分别进行混沌映射初始化，初始化时初始值 P 0 不能与系统参数 取值相同。
3.根据权利要求1所述的融合爬山策略的改进粒子群混合的智能农机路径规划方法，其特征在于，步骤S2中利用迭代加速度优化粒子种群，具体方法如下， （7）； 表示第 k 个粒子在第 i 时刻在 x、y 轴上的坐标位置， 表示第 k 个粒子在 i 时刻速度； r 1 ， r 2 为取值范围在(0,1)之间的随机数；个体历史最优位置 、群体最优位置 。
4.根据权利要求1所述的融合爬山策略的改进粒子群混合的智能农机路径规划方法，其特征在于，步骤S3中，判断是否满足路径规划数据的结束条件为:当前迭代次数 t> 改进粒子群算法迭代次数 N_iter 时执行步骤 S4 ；当前迭代次数 t≤ 改进粒子群算法迭代次数 N_ iter 时 ， 执行步骤 S2 。
5.根据权利要求1所述的融合爬山策略的改进粒子群混合的智能农机路径规划方法，其特征在于，利用改进的粒子群算法进行若干次迭代，将得到的所有全局历史最优中的前10%的个体选出，每个个体对应着一条待选的可行路径，以这些选出来的个体为初始解作为爬山算法的输入值；设置爬山算法最大随机搜索步长 step 和迭代总次数 n_clim_iter， 根据输入的路径规划数据在初始解附近进行迭代寻优，在经过爬山算法搜索后输出整体最优粒子 f_p 。
6.根据权利要求1所述的融合爬山策略的改进粒子群混合的智能农机路径规划方法，其特征在于，步骤S4中，在爬山算法搜索的过程中当前个体存放在 P0 中，随机搜索到的个体存放在 P1 中，对两者所对应的粒子代价值cost进行比较，将较粒子代价值小的写入到 P0 中，保证每次迭代结束后较优的个体一直保存在 P0 中，粒子代价值cost表达式如下： （8）；代价值越高在迭代的过程中越容易被淘汰，path_len为粒子所对应路径的路径长度，violation为路径与障碍物的碰撞系数，如果路径贯穿的障碍物越多，并且越靠近障碍物中心位置violation就越大，如果路径没有穿过障碍物，violation为0。
