在高度智能化的现代社会,自主移动机器人在医疗、餐饮、军事、家居等领域得到了广泛应用。自主小车作为一种经典的自主移动机器人研究模型,由传感系统、导航系统、控制系统等部分组成。其中,导航系统是最重要的部分之一,可以引导自主小车沿着安全路径前往目标。路径规划则是导航系统中的关键技术,为自主小车提供一条连接起始位置和目标位置的安全路径。目前关于路径规划的研究成果非常丰富,但在面对复杂动态环境时,传统路径规划方法存在计算成本高和成功率低等问题,难以满足实际应用要求,而元启发式路径规划方法具有分布式计算、不依赖先验知识及鲁棒性强等优势,因而备受研究人员的青睐。鲸鱼优化算法（WOA）是一种元启发式群智能优化算法,具有结构简洁和参数少等优点,包含的三种不同的搜索代理更新方式与路径节点的优化过程相似,因此,WOA算法比较符合路径规划问题的模型特征。但原始WOA算法存在种群多样性过早丢失以及早熟收敛等缺陷,严重限制了其优化性能。为此,本文以自主小车在复杂动态环境下的路径规划问题为研究背景,对原始WOA算法进行改进,并针对改进WOA算法与全局路径规划和局部路径规划的深度融合展开研究。具体工作如下:（1）提出一种基于改进协方差矩阵自适应策略（CMA-ES）和改进捕食机制的鲸鱼优化算法（MCIWOA）。该算法首先引入布朗运动提高探索能力,然后采用改进捕食机制增强跳出局部最优的能力,其次还采用猎物群策略丰富种群多样性,最后引入改进局部搜索机制提高收敛速度和精度。通过CEC2013基准测试集对所提算法的性能进行验证并与其它七种算法进行比较,结果表明MCIWOA算法以最小的平均收敛误差取得了第一名,显示出较强的优化性能。（2）提出一种基于状态可变点和WOA节点重定位的全局路径规划算法（SCPWOANR）。针对复杂环境中存在较多局部最小及障碍物分布不均等特点,提出状态可变点方法（SCP）避开局部最小并生成较短的初始可行路径,然后使用WOA节点重定位方法（WOANR）对初始路径的长度和平滑度进行优化。最后通过八张基准测试地图对所提算法的性能进行验证并与其它两种算法进行比较,结果表明SCP-WOANR算法在所有方法中具有最小的平均路径长度、最高的平均路径平滑度和最小的平均规划时间,显示出较好的路径搜索和优化性能。（3）提出一种基于鲸鱼优化算法和双评估策略的动态窗口局部路径规划算法（WDESDWA）。针对路径规划中的局部最小问题,提出一种基于扫描点阵列的轨迹评估策略。针对动态障碍物避碰问题,提出一种基于行为匹配的轨迹评估策略。针对评估函数权重采用固定值所造成的适应性差,鲁棒性弱等不足,提出一种基于MCIWOA的自适应权重机制。最后在两个静态场景和四个动态场景中对所提算法的性能进行验证并与其它三种算法进行比较,结果表明WDESDWA算法可以避开六个测试场景中的所有障碍物,并在三个测试场景中取得了最短的规划时间。（4）提出一种基于鲸鱼优化和动态窗口的混合路径规划算法（WDHPA）。针对复杂动态环境下的路径规划安全性和优化性问题,在SCP-WOANR算法和WDESDWA算法的基础上提出WDHPA算法,该算法在WDESDWA算法中引入跟踪项对SCP-WOANR算法生成的全局路径进行实时跟踪,并在移动过程中避开未知障碍物。最后通过六个复杂动态场景对所提算法的性能进行验证,结果表明WDHPA算法可以避开所有静态和动态障碍物并沿着给定的全局路径到达目标。综上所述,本文针对原始WOA算法的固有缺陷提出具有较强优化性能的MCIWOA算法,并将改进WOA算法与路径规划相结合,分别提出SCP-WOANR、WDESDWA和WDHPA三种路径规划算法,仿真结果表明提出的算法具有较高的效率,较强的鲁棒性和适应性,可以有效解决自主小车在复杂动态环境下的路径规划问题。