近年来,随着科技的发展和社会科学的进步,新生代人工智能产品移动机器人广泛应用于生产业、制造业、食品行业以及服务业等生产生活的各个方面。移动机器人发展势头之迅猛得到了国际科研的高度关注,路径规划是移动机器人快速、精确、平稳的从起点移动到终点的一个重要前提条件,如何做好路径规划和设计好相关算法使移动机器人快速高效地完成任务是当前急需解决的问题。现如今,虽然有不少解决移动机器人路径规划问题的算法或者改进算法,但仍没有最为行之有效的方法可以同时克服多种问题。因此,研究移动机器人的路径规划算法对生产生活各个方面都具有重要意义和实用价值。本文从国内外对移动机器人研究的现状出发,充分调研了各大工业制造对机器人的应用研究和他们的发展趋势,仔细探究了路径规划的常规算法的优缺点,对移动机器人系统组成结构和工作原理有了充分认识,结合蚁群算法和人工势场的优点,建立环境模型和数学模型,利用python软件做仿真并对其分析。本文的主要工作如下:首先,深入研究了解决移动机器人路径规划问题使用的基本方式方法的优缺点,接着探究了传统蚁群算法的来源与基本思想,并详细阐述了其数学模型和用于移动机器人路径规划的优势和缺陷,然后设计了算法的执行流程。其次,深入的分析了人工势场的优缺点以及与蚁群算法结合的优势,通过仿真分析得到蚁群算法参数对性能的影响,确定了参数的选取;将势场函数和经改进的蚁群算法相结合,增强了算法的局部探索能力;引入激励函数,使蚂蚁在搜索路径时更倾向于选择障碍物较少区域,提高路径的平滑性,降低移动机器人的转弯次数;改进信息素的分配机制,提高优秀蚂蚁对算法的影响程度,降低不好蚂蚁对算法的破坏,提高了算法的全局搜索能力和收敛速度。最后,对移动机器人在虚拟人工势场上的受力进行剖析,引出局部信息素的扩散模型和算法,将蚁群算法做进一步改进,并在python上进行仿真,验证改进算法的合理性。仿真结果表明,引入局部信息素扩散算法,可以增加解的多样性,算法的全局搜索能力在初期探索中得以提升,从而也加快了算法后期收敛速度;改进启发函数,使当前点与下一点和终点相关联,以降低蚁群搜索路径长度;改进信息素的动态挥发策略,蚂蚁陷入局部最优解的可能性得以降低。