1.一种无人机路径规划方法，其特征在于，所述方法包括：在预设迭代次数内，确定当前迭代的函数代码池中的初始最佳节点评分函数；其中，定义节点评分函数的输入包括节点特征向量和邻接矩阵，输出包括节点ID和节点边分数；节点特征向量和邻接矩阵是通过从任务场景对应的二维拓扑网络中提取的节点和边的信息分别转换而得；节点用于存储任务信息；边用于表示任务地点之间的关联信息；所述初始最佳节点评分函数是通过比较适应度函数输出的算法得分的大小确定的；其中，定义适应度函数的输入为节点评分函数，输出为算法得分和算法相似度；从当前迭代的函数代码池中随机选择两种节点评分函数，结合初始最佳节点评分函数利用大型语言模型进行交叉操作，生成交叉子代码并在验证通过后放入函数代码池；遍历所有交叉子代码，若随机数不小于预设的变异概率阈值，则将对应的交叉子代码输入适应度函数，根据输出的算法相似度对交叉子代码对应的节点评分函数进行种群分类；若种群数量不超过1，则调用适应度函数记录保存在当前邻接矩阵上的当前迭代的种群中的候选最佳节点评分函数及其对应的候选最佳算法得分；若所述候选最佳算法得分满足预设条件，则将对应的候选最佳节点评分函数作为目标节点评分函数，并根据所述目标节点评分函数确定关键节点ID，用于指导无人机的路径规划。
2.根据权利要求1所述的方法，其特征在于，所述任务场景对应的二维拓扑网络的生成包括以下步骤：构建节点列表；其中每个节点的属性包含：任务地点的位置坐标、任务要求等级以及任务要求时间；构建边列表；其中每条边的属性包含：任务地点之间的距离成本以及任务地点之间的路径的风险障碍等级；根据节点之间的距离成本和风险障碍等级创建边对象，并将所述边对象添加到边字典中；根据所述边字典的字典形式构建无向图；其中，无向图的键为节点ID；其中每个位置坐标对应一个节点ID；无向图的值为一个列表；所述列表的第一个元素为节点评分，第二个元素为边字典；所述节点评分是根据所述任务要求等级和所述任务要求时间确定的；所述边字典的键为距离成本，值为风险障碍等级；遍历所述边列表，识别并移除所述边列表中起始节点与结束节点相同的边，以及检查所有节点是否均为连通状态，最终得到二维拓扑网络。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：若当前迭代次数大于预设迭代次数，调用适应度函数输出在当前邻接矩阵上的最佳算法得分；将所述最佳算法得分对应的最佳节点评分函数作为目标节点评分函数。
4.根据权利要求1所述的方法，其特征在于，所述从当前迭代的函数代码池中随机选择两种节点评分函数，结合初始最佳节点评分函数利用大型语言模型进行交叉操作，生成交叉子代码并在验证通过后放入函数代码池，包括：若当前迭代的初始最佳节点评分函数在随机选择的两种节点评分函数中，则利用大型语言模型对随机选择的两种节点评分函数的代码进行交叉操作，生成交叉子代码；若当前迭代的初始最佳节点评分函数不在随机选择的两种节点评分函数中，则用当前迭代的初始最佳节点评分函数随机替换随机选择的两种节点评分函数中的一种节点评分函数的代码，然后利用大型语言模型对当前迭代的初始最佳节点评分函数和未被替换的随机选择的节点评分函数的代码进行交叉操作，生成交叉子代码；调用代码验证函数验证所述交叉子代码；若验证通过，则将所述交叉子代码放入当前迭代的函数代码池中；若验证未通过，则利用大型语言模型重新进行交叉操作生成新的交叉子代码，继续验证直至验证通过。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：遍历所有交叉子代码，若随机数小于预设的变异概率阈值，则利用大型语言模型对相应的交叉子代码执行变异操作，生成变异子代码；调用代码验证函数验证所述变异子代码；若验证通过，则将所述变异子代码放入相应种群后归入函数代码池；如果验证未通过，则利用大型语言模型重新进行变异操作生成新的变异子代码，继续验证直至验证通过。
6.根据权利要求1所述的方法，其特征在于，根据输出的算法相似度对交叉子代码对应的节点评分函数进行种群分类，包括：获取由两个相似度阈值构成的相似度阈值区间；将算法相似度位于所述相似度阈值区间内的交叉子代码划分到同一个种群中，从而得到若干个种群。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：若种群数量大于1，遍历当前迭代的函数代码池中的每个种群；在当前种群中随机选择两种节点评分函数，利用大型语言模型对随机选择的两种节点评分函数执行交叉操作，生成交叉子代码；调用代码验证函数验证所述交叉子代码；若验证通过，则将所述交叉子代码放入当前种群中后归入当前迭代的函数代码池中；若验证未通过，则利用大型语言模型重新进行交叉操作生成新的交叉子代码，继续验证直至验证通过；遍历进行交叉操作后的当前种群中的所有子代码；如果随机数小于变异概率，则利用大模型的代码生成能力执行变异操作，生成变异子代码；调用代码验证函数验证所述变异子代码；若验证通过，则将所述变异子代码放入相应种群后归入函数代码池；如果验证未通过，则利用大型语言模型重新进行变异操作生成新的变异子代码，继续验证直至验证通过；如果随机数不小于变异概率，则保留对应的子代码放入相应种群后归入函数代码池。
8.一种无人机路径规划装置，其特征在于，所述装置包括：初始最佳节点评分函数确定模块，用于在预设迭代次数内，确定当前迭代的函数代码池中的初始最佳节点评分函数；其中，定义节点评分函数的输入包括节点特征向量和邻接矩阵，输出包括节点ID和节点边分数；节点特征向量和邻接矩阵是通过从任务场景对应的二维拓扑网络中提取的节点和边的信息分别转换而得；节点用于存储任务信息；边用于表示任务地点之间的关联信息；所述初始最佳节点评分函数是通过比较适应度函数输出的算法得分的大小确定的；其中，定义适应度函数的输入为节点评分函数，输出为算法得分和算法相似度；交叉操作模块，用于从当前迭代的函数代码池中随机选择两种节点评分函数，结合初始最佳节点评分函数利用大型语言模型进行交叉操作，生成交叉子代码并在验证通过后放入函数代码池；种群分类模块，用于遍历所有交叉子代码，若随机数不小于预设的变异概率阈值，则将对应的交叉子代码输入适应度函数，根据输出的算法相似度对交叉子代码对应的节点评分函数进行种群分类；候选最佳节点评分函数确定模块，用于若种群数量不超过1，则调用适应度函数记录保存在当前邻接矩阵上的当前迭代的种群中的候选最佳节点评分函数及其对应的候选最佳算法得分；目标节点评分函数确定模块，用于若所述候选最佳算法得分满足预设条件，则将对应的候选最佳节点评分函数作为目标节点评分函数，并根据所述目标节点评分函数确定关键节点ID，用于指导无人机的路径规划。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
