自主移动机器人在物流运输、现代化工厂、工业和军事上的特定任务巡查上都有广泛的应用。路径规划是移动机器人实现自主导航的关键任务之一,在复杂环境下开展对路径规划的研究具有重大价值。在复杂环境下的机器人路径规划,如在动态不确定变化场景或静态多目标路径规划任务中,智能算法存在搜索效率低的问题,仍需开展算法优化研究。因此,为了提高复杂环境下移动机器人的路径规划效率和动态避障的安全性,本文结合改进的萤火虫优化算法,对机器人的自主路径规划方法和算法开展研究,主要研究内容和创新点如下:1.针对已知复杂环境中移动机器人的路径规划问题,提出一种自适应概率函数模型生成初始路径的方法,并将该方法运用到多目标萤火虫算法的位置更新中。结合栅格地图的特征与目标点的方位信息,建立机器人在栅格地图中移动方向的自适应概率函数模型,并使用该模型生成初始路径解,以提高算法效率;以路径长度和路径平滑度作为路径规划的评价指标,联合初始路径生成方法、改进萤火虫算法和Pareto的多目标求解策略,得到移动机器人的多目标非支配最优路径解。通过仿真实验表明:基于概率函数模型生成的初始路径解相比于随机生成的初始路径解,求解速度有明显地提升;构建路径规划的多个目标评价函数相比于单目标优化,同场景下路径规划任务的转动角度显著缩短,能有效提高移动机器人运动的平稳性,并与多目标遗传算法相对比,验证了多目标萤火虫算法的可行性。2.针对不确定环境中移动机器人的路径规划问题,提出了一种基于萤火虫算法的动态路径规划新策略及合理设计了萤火虫算法的适应度函数。为了改进智能算法在动态路径规划问题上效率低的问题,在机器人安全范围内没有障碍物时,不启动智能算法,机器人直接向目标点运动;当机器人在安全范围内探测到障碍物时,则启动萤火虫算法进行避障处理。同时,构建了一种融合机器人与障碍物距离、机器人与目标点距离的萤火虫适应度函数。在动态避障场景下的不确定路径规划仿真效果表明:该方法比人工势场方法的求解结果更优,路径长度显著的缩短。3.为验证萤火虫算法在现实场景中路径规划的有效性,基于四轮移动机器人系统开展了算法测验。首先,校正移动机器人的线速度与角速度,减小路径导航中由机器人硬件导致的测量误差;在已知环境的路径规划实验中,通过实验测量移动机器人的运动距离、转动角度,并与仿真结果相对比验证了算法的可行性;在局部的动态避障实验中,轮式移动机器人能实时检测到障碍物并避开,且找到一条较优路径到达目标点。测试结果表明了所提出的方法在路径规划中的实时性与可行性。