由多个智能体通过协调控制形成的多智能体系统可以提高单智能体系统的计算能力和覆盖范围,而路径规划技术则是智能体研究领域中的核心内容之一,并且多智能体系统的路径规划相较于单智能体系统而言存在一些特殊性和复杂性。本学位论文主要使用蚁群算法对智能体的全局路径规划问题中的巡航路径规划问题、全局最短路径规划问题以及多智能体系统编队重组路径规划问题展开研究。本学位论文以智能体路径规划为研究目标,首先设计了一种基于改进状态转移策略的多态蚁群算法用于求解智能体巡航路径规划问题,接着设计了一种基于改进状态转移策略的精英蚁群算法用于求解智能体全局最短路径规划问题,最后设计了一种基于2-Opt优化的蚁群算法用于求解多智能体系统编队重组路径规划问题。本学位论文的工作创新主要体现在以下三个方面:(1)结合路径规划问题的约束条件和蚁群算法的特点,设计了一种基于改进状态转移策略的多态蚁群算法,针对多态蚁群算法中存在陷入搜索死锁的缺陷,重新设计了状态状态概率公式,在保留多态蚁群算法能够有效减小搜索子空间规模这一优点的基础上,解决了搜索死锁问题,仿真实验的结果表明本算法具有较高的搜索效率和收敛速度。(2)通过改进状态转移概率公式和将精英策略加入蚁群算法的迭代步骤中,设计了一种基于改进状态转移策略的精英蚁群算法,针对传统蚁群算法中容易陷入局部最优解的缺陷,重新设计了状态转移概率公式,增强了算法搜索的目的性;并加入了精英策略,该策略可以将新的最优解路径及时的反馈到路径上的信息素更新中,从而避免陷入局部最优解。仿真实验的结果表明本算法具有更好的搜索效果,并保证了算法的收敛速度,在搜索结果上具有较强的鲁棒性。(3)通过研究多智能体系统编队重组路径规划问题的数学模型,将2-Opt优化算法和蚁群算法结合,设计了一种基于2-Opt优化的蚁群算法,该算法通过对每次迭代过程中所得解进行2-Opt优化,从而扩展了算法的搜索范围。仿真实验结果表明,该算法相比较采用虚拟结构法的多智能体系统编队重组路径规划能够有效降低多智能体系统的整体移动距离,实现对系统能耗的优化。