随着社会的发展，单体机器人技术的研究已不能满足人们对机器人的要求。多机器人系统凭借单体机器人系统所不能比拟的诸多优点，正逐渐成为机器人学研究的一个重要方向，对多移动机器人路径规划方法的研究又是多机器人研究领域的重要课题之一。 本文在对多移动机器人路径规划研究现状进行简要回顾的基础上，分析了多移动机器人系统对其路径规划方法的基本要求，即方法应以多机器人系统的社会性和机器人社会的协调层次为基本出发点，在规划过程中，站在多机器人系统的角度协调机器人个体行为，以达到系统级指标最优。本文分析了拟生态系统算法具有的分层协调、全局最优寻优等特点，提出了利用拟生态系统算法解决多移动机器人集中路径规划问题的研究思路。在该研究思路指导下，本文将新兴的蚁群算法应用于多移动机器人领域，提出并建立的基于蚁群算法的多移动机器人集中协调式路径规划算法：ACO-MMR算法，还为该算法开发了一种新的具有良好可计算机程序化操作的多移动机器人环境建模方法：有权图建模方法。在设计ACO-MMR算法过程中，本文始终将多机器人的社会性、系统性放在首位，并创造性的将通信网络的相关技术应用于多机器人领域，为算法构建了多个系统级指标。本文在最后，利用仿真实验的方法验证了ACO-MMR算法的可行性和有效性，并对ACO-MMR算法中部分关键参数对算法的影响和选择方法进行了研究，为该算法的进一步研究和应用，提供了有价值的成果。 本文研究的内容有较强的创新性、一定的理论价值与现实意义。为多移动机器人路径规划方法的深入研究与应用提供了新的思路和方法，也为性能优良的蚁群算法在多机器人领域的应用提供了有价值的借鉴经验。