移动机器人的研究和开发近些年来受到了人们的高度重视。机器人在运动的过程中具有根据周围环境的变化而自主采取相应措施的能力,人们对机器人的这种能力的要求越来越高。因此,在机器人智能规划方面,路径规划显得尤为重要。路径规划的任务就是在具有障碍物的环境内,按照一定的评价标准,寻找一条从起始状态(包括位置和姿态)到达目标状态(包括位置和姿态)的无碰路径。粒子群算法和蚁群算法都是典型的群智能进化算法,他们是继模糊方法、神经网络、遗传算法之后加入到路径规划研究领域的算法。本文的研究工作主要包括以下两个方面:(1)从理论上对粒子群算法和蚁群算法进行分析,并根据这两种算法各自存在的缺陷,分别对算法的本身加以改进,然后根据这两种算法的优缺点,将两算法进行融合,即得到粒子群和蚁群融合算法(PAAA)。PAAA先利用粒子群较强的全局搜索能力生成信息素分布(粗搜索),再利用蚁群算法的正反馈机制求解问题的精确解(细搜索),最后将PAAA算法在MATLAB环境中进行仿真实验,并将得到的实验结果与粒子群算法和蚁群算法分别进行比较,证明此算法的有效性。(2)将PAAA算法分别运用到静态路径规划和动态路径规划中。通过仿真实验与遗传算法和粒子群算法相比较发现,在相同环境下,基于PAAA算法的路径规划方法比遗传算法更节约搜索时间,比粒子群算法搜索的结果更加精确。研究及实验结果表明,将粒子群和蚁群融合算法应用于移动机器人的路径规划问题中,改进了现有的路径规划算法,为探索新的路径规划方法提供了可能性。