1.一种适用于复杂低空下飞行器的路径规划方法，其特征在于：假设(1)所有飞行器都在同一高度层以不同速度飞行，且各自在飞行过程中飞行速度不发生改变；(2)每架飞行器都确定了各自的起点和终点；(3)低空空域飞行环境已知，包括禁止飞行区域位置和范围、威胁点位置和辐射半径；(4)通用飞行器物理性能限制包括最大偏转角和最大飞行距离；所述路径规划方法具体包括如下步骤：
第一步，建立飞行器路径规划模型；
第二步，采用自适应差分目标进化算法对单架飞行器进行路径规划，具体步骤如下：
S1：确定规划空间、起始点S和目标点E，利用启发式初始化算法初始化种群，并完成相对极坐标个体向绝对值坐标个体转化的种群预处理；
S2：根据航行速度v和采样时间步长Δt，对种群个体完成航迹点离散化；
S3：根据第一步中所建立的飞行器路径规划模型，利用初始种群的个体的离散化航迹点进行航迹约束验证和目标值计算，并计算每个个体的所有约束的约束值之和err_ind；
S4：对父代种群进行按照自适应差分算子进行遗传交叉与变异操作，形成子种群；
S5：完成子种群中子代个体航迹点离散化，将离散化的航迹点带入问题模型，完成与个体约束、目标函数值及所有约束的约束值之和err_ind的计算；
S6：父代与子代形成混合群，对混合群实施改进的快速非支配排序，确定混合群各个体所分布的Pareto层；
S7：对混合群每一层的个体进行改进的聚集距离与排挤机制，根据支配关系及个体拥挤度从混合群中选取种群大小数目的个体组成新的父代种群；
S8：判断进化过程是否结束，如果达到最大迭代的代数，转入S9；否则转入S4；
S9：从种群中非支配层中选出个体，其代表的航迹即为所求航迹；
步骤S1中所述的初始化种群，采用两种初始种群个体表达方式，即相对极坐标编码方式和绝对值坐标编码方式，包含相对极坐标生成初始染色体和初始种群个体坐标转换两步：
(S101）航迹节点初始化按式(26)获得相对极坐标（r,θ,z）的值表示其对应的三维航迹节点，其中rand()代表均匀分布取值，r的下限Minseg和上限 代表相邻航迹点间的最短允许距离，turn_θ的上下限和飞行器机动性相关,得到的θi的正负代表了下一航迹段较前一航迹段的偏转方向，逆时针为正，顺时针为负；
其中，（start.z,end.z）代表起始点和目标点的高度坐标值。
(S102）初始种群个体坐标系转换：
利用相对极坐标法生成初始种群后，利用相对极坐标和绝对值坐标的对应关系，通过式(27)和式(28)对生成的相对极坐标表示的个体的二维航迹进行坐标系转化，将生成的相对极坐标初始种群转化成绝对值坐标表示的初始种群；第一个航迹节点W1的绝对值坐标(x1，y1，z1)由其相对极坐标(r1，θ1，z1)由式(27)和式(28)得到，其中(start.x，start.y)和(end.x，end.y)为起始点和目标点的二维坐标；
基于已求得的W1(x1，y1，z1)，得到后续航迹点Wi的绝对值坐标(xi，yi，zi)：
其中，i=2，...，N-1；
步骤S2中所述的种群个体航迹节点离散化，具体是指：
在假定飞行器以速度v匀速飞行的前提下，将航迹节点离散化，得到进行约束验证的离散化点序列dis{S，P1，P2，...，PN-2，E}；以由两连续的航迹点Pi(xi，yi，zi)和Pi+1(xi+1，yi+1，zi+1)构成的航迹段li为例，i=0，...，N-1，航迹段li的离散点序列disp_li{Pi1(xi1，yi1，zi1)，Pi2(xi2，yi2，zi2)，...，Pim(xim，yim，zim)}的坐标值由下式得到：
其中 为航迹段li在竖直方向上的偏移角度，θi为航迹段li在二维平面上的相对于x轴正向的偏移角度，Δt为取样时间步，floor()为向下取整函数；
所述的步骤S4中种群自适应差分遗传交叉与变异操作，形成子种群，具体为：
S401：对初始种群进行评价，即计算初始种群中每个个体的目标函数值；
S402：进行变异操作，对每个目标个体 通过式(33)产生其对应的变异个体
其中： 的下标r1，r2和r3是随机选择的不同的数，且与目标向量 的下
标i也不同；F为缩放因子，用来控制偏差变量的放大程度；
S403：通过式(34)，将目标个体 和其变异个体 进行交叉操作，则得到对应的交叉个体 所有目标个体的交叉操作完成后，其交叉个体形成临时种群；
其中：CR为交叉因子，是个体进行交叉操作的控制概率，q是一个在[1,D]之间的随机产生的整数，以确保交叉个体 至少能从变异个体 获得一维参数；字母D是指一个常数；
所述的步骤S6中的改进的快速非支配排序，具体如下：
设a与b是种群中两个个体，使用约束条件下改进的快速排序算子来完成个体a与b的支配关系的比较，流程如下：
S601：得到个体a与个体b的与自身相关约束的各约束的约束值之和a.err_ind与b.err_ind；
S602：判断个体a与b是否违约，即各自的err_ind值与0的大小关系，若a.err_ind与b.err_ind都大于0，即a和b都违反了约束条件，是不可行解，则转至S603；若只有一个个体的err_ind大于0，则转至S604；若两个个体的err_ind值都等于0，则转至S605；
S603：若两个体的err_ind不同，转至S603.1；若两个体err_ind相同，转至S603.2；
S603.1：按约束值之和大的个体支配约束值之和小的个体的原则，如果a.err_ind>b.err_ind，则个体a支配个体b，反之，则个体b支配个体a；
S603.2：个体a与b支配关系不可比较，互不支配；
S604：按没有违反约束条件的个体支配违反约束条件的个体原则，若b.err_ind>0且a.ind_err=0，则个体a支配个体b；若a.err_ind>0且b.ind_err=0，则个体b支配个体a；
S605：进行改进的快速非支配排序；
改进的快速非支配排序方法算子步骤如下：种群中每个个体p都有两个参数np和Sp,其中np为种群中支配个体p的个体数目，Sp为种群中被p支配的个体的集合，
SS1：找到种群中np=0的个体，并保存在当前集合F1中；
SS2：临时集合H赋空；对于当前集合F1中的每个个体i，考察它所支配的个体集合Si，将Si中每个个体j的nj减1，若nj-1=0，则将个体j放入集合H；此时集合H为当前层个体集合的下一层的个体集合；
SS3：F1即为第1支配层个体集合，赋予该层内个体相同的非支配排序irank；
SS4：以H为当前集合，返回步骤SS2，直至整个种群排序完毕。
如果第j个优化目标的目标函数上，有|fj(a)-fj(b)|≤δ，则认为个体a和b在fj上的值相等，如果个体a和b在所有的目标之上都有这样的关系，则个体a与b互不支配；其中，fj(a)和fj(b)分别代表个体a和个体b之于第j个目标函数fj的函数值；
对于步骤S7中所述的改进的聚集距离计算，以种群某一Pareto层F上个体的聚集距离计算为例，给出改进聚集距离的计算方法：
S701：计算出种群某一Pareto层F的个体个数NF；
S702：对F内的每个个体的聚集距离赋零值，即：F[i].dis=0，i=1,…,popsize；
popsize为种群大小，即种群中个体的数目；
S703：对每个目标函数fj，j=1,..n，得到每个个体的函数值F[i].fj，按F[i].fj的大小将F内个体进行排序；
S704：根据F层个体的排序情况，将边界点个体的聚集距离赋值无穷大，将其余个体的聚集距离按 赋值，i=2,…,NF-1，即用一个个体被包围
的矩形的对角线之和表示该个体的聚集距离；其中，fkmax和fkmin分别代表第k个函数的最大值和最小值。
2.根据权利要求1所述的一种适用于复杂低空下飞行器的路径规划方法，其特征在于：步骤S7中基于种群排序和每一层个体拥挤度的排挤机制，通过快速非支配排序以及拥挤度计算后，每个个体i都有两个属性：非支配序irank和聚集距离I[i].distance；利用这两个属性，从混合群中选取种群大小个数目的个体形成新一代进行进化的父代种群，选择标准为：若两个个体非支配排序不同，则取序号较小的个体；如果两个个体在同一级，则取聚集距离大的个体。
3.一种基于协同自适应差分多目标进化算法的多飞行器航迹规划方法，其特征在于包括如下步骤：
步骤A：对每一架飞行器进行启发式初始化种群：
A1：确定规划空间、起始点S和目标点E，利用启发式初始化算法初始化种群，并完成相对极坐标个体向绝对值坐标个体转化的种群预处理；
A2：当所有飞行器种群都完成启发式初始化后，进入步骤B；
步骤B：对每一架飞行器种群：
B1：根据航行速度v和采样时间步长Δt，对种群个体完成航迹点离散化；
B2：根据飞行器路径规划模型，利用初始种群的个体的离散化航迹点进行航迹约束验证和目标值计算，并计算每个个体的所有约束之和err_ind；
B3：对父代种群进行按照自适应差分算子进行遗传操作，形成子种群；
B4：完成子代个体航迹点离散化，将离散化的航迹点带入问题模型，完成与个体约束、目标函数值及所有约束之和err_ind的计算；
B5：父代与子代形成混合群，对混合群实施改进的快速非支配排序，确定混合群个个体分布的Pareto层；
B6：根据种群代表个体选择机制，从混合群中选择出本飞行器种群的代表个体；
B7：当所有飞行器种群都完成混合群的代表个体选择后，进入步骤C；
步骤C：对每一架飞行器种群：
C1：接收其余各飞行器混合群选择出的代表个体，进行本飞行器混合群所有个体协同避撞约束值计算，得到混合群中每个个体的所有约束之和err_all；
C2：对混合群每一层的个体进行改进的聚集距离计算与排挤机制，根据支配关系及个体拥挤度从混合群中选取种群大小数目的个体组成新的父代种群；
C3：判断进化过程是否结束，如果满足终止条件，转入C4；否则转入步骤Ｂ；
C4：从种群中非支配层中选出个体其代表的航迹即为所求航迹。
4.根据权利要求3所述的一种基于协同自适应差分多目标进化算法的多飞行器航迹规划方法，其特征在于：步骤C1中所有个体协同避撞约束值计算，根据碰撞检测机制进行计算；所述的碰撞检测机制，假设飞行器A和飞行器B分别从各自的起点SA和SB沿着其航迹a和航迹b飞行向终点EA和EB，Wak,Wbk分别为航迹a和航迹b的航迹节点，k=1,....Nw；
Nw为需要规划的航迹节点数，pai,pbi分别为某同一时刻飞行器A和飞行器B在航迹a和航迹b上所处的位置点，va和vb分别为飞行器的飞行速度，Δt为一个小时间步，则对飞行器A的规划航迹a和飞行器B的规划航迹b进行的碰撞检测的流程为：
S1：按照位置计算算子，得到自起飞时刻起，每隔时间步Δt，两架飞机分别在航迹a和航迹b上各自将所处的位置点序列 和
Pa和Pb点序列的元素数Nt由飞行时间短的那条航迹的飞行时间决定；
S2：从起飞开始，每隔Δt时刻，计算在同一时刻，沿航迹a飞行的飞行器A和沿路径b飞行的飞行器B之间的距离，即从i=0开始到i=Nt，计算pai和pbi的距离|paipbi|，记为S3：判断沿各自航迹飞行的两机在某一时刻是否产生冲突：若 小于预设的安全距离，即 则称飞行器A的路径a与飞行器B的路径b发生一次冲突，即飞行器A的
航迹a和飞行器B的航迹b的免碰撞约束违约。
5.根据权利要求4所述的一种基于协同自适应差分多目标进化算法的多飞行器航迹规划方法，其特征在于：所述的位置计算算子的流程如下：
SS1：计算飞行器A的航迹a和飞行器B的航迹b各自的航程距离，分别记为La和Lb，并由 得到各机分别在该两航迹上的飞行时间Ta和Tb；
SS2：计算飞行器A在航迹a和飞行器B在航迹b的上所有航迹段上的飞
行时间序列，即所有由一个航迹节点到达下一航迹节点的飞行时间构成的序列：
和 再计算各飞
行器到达各自航迹点的时刻序列 以航迹
a为例，其中ta由式(37)计算求得：
SS3：计算碰撞检测的测试次数Nt，其中 celling()为向上取整
函数；
SS4：确定航迹a与航迹b进行碰撞检测的采样位置点序列
和
其中求解pai{xai，yai，zai}的算法流程为，i=1,…,Nt：
SSS1：begin_t记录从每一航迹段的起点到该航迹段的起始采样点的时间，begin_t赋初值为0；k为航迹段下标，k=1:N-1;
SSS2：当k<=Nw+1时：
1）计算在第k航迹段上的累计采样点时间det，det=i*Δt+being_t，计算第k航迹段在竖直方向上的偏移角度 和在二维平面上的相对于x轴正向的偏移角θk;
2）当det小于本航迹段的飞行时间Tsegak时，即当det≤tak时，按式(39)计算pai{xai，yai，zai}，并且i=i+1：
否则：
3）判断是否到达最后一个采样点，即当i==Nt+1时，按式(40)计算pai{xai，yai，zai}：
否则k=k+1，且being_t=det-tak。