随着陆地资源的逐渐短缺,海洋丰富的矿产资源、生物资源等使得各国对海洋开发的投入也随之增大,然而海底环境恶劣,很多任务靠人工难以执行,自主水下航行器（Autonomous Underwater Vehicle,AUV）则可以解决这一难点。AUV作为一种智能的水下机器人,其智能化水平的一个重要指标就是具备根据实际条件自主航行的能力,而合理的航行路线是确保其安全高效工作的重要前提,因此研究自主水下航行器的路径规划技术有着十分重要的意义。在复杂多变的海洋环境中,海流和障碍物的信息往往具有很大的不确定性,而海流对AUV的影响不容忽视,因此本文的主要研究内容是处理和利用不精确的环境信息对AUV的航行路径进行优化,使AUV安全、快速地到达目标海域。本文主要工作如下:（1）本文分析比较了多种环境建模的方法并选择三维栅格法进行环境建模,利用公开的海图数据建立了包含多层海流的海洋环境模型。针对传统栅格路径不平滑的问题,将路径编码为B样条曲线的控制点序列,使得算法只需要优化控制点坐标即可改变全局路径,构造出的路径曲线较为平滑且便于进行路径跟踪。（2）海洋环境中的海流速度和危险源位置信息通常存在不确定性,针对不确定约束条件下的优化问题,本文引入了区间优化的方法进行处理。首先将基于区间可能度模型的区间比较方法引入非支配占优排序算法中,用于对不同个体的适应度区间进行占优排序,然后利用基于区间的拥挤度算法对相同占优等级的个体进行进一步区分,最后结合多目标遗传算法并使用两个不确定优化问题对改进的区间优化方法进行验证,结果表明改进后的区间优化方法能够获得更优的Pareto前沿。（3）为了解决不确定海流和不确定危险源条件下的AUV多目标路径规划问题,提出一种基于区间的多目标量子粒子群算法。将不确定海流和不确定危险源的不确定度表示为区间数,计算路径粒子在上述不确定条件下的航行时间和危险度区间,使用基于区间的非支配占优排序算法对路径粒子进行占优排序,结合量子粒子群算法进行路径优化。最后,利用该算法在不同区域海图中进行了路径规划仿真并使用随机生成海流的方式对路径进行测试,结果表明该算法规划的路径在不确定环境下的鲁棒性较强。（4）海洋环境是不断变化的,AUV在跟踪全局路径时很可能会遇到新的障碍物,为了充分利用全局信息的同时进行实时避障,本文将全局路径规划所得到的曲线切分为多个局部引导点,每个引导点作为局部规划算法的阶段性目标点,使用改进的三维动态窗口法作为局部规划算法。为了抵消海流的影响,将海流速度与AUV速度进行矢量合成,使用合速度方向作为新的评价指标。引入速度障碍法对动态障碍物下的避让策略进行了优化。仿真结果表明改进后的算法能够在海流及动态障碍物环境中顺利抵达目标点。