随着人类对海洋资源开发利用的不断加强,对水下机器人（AUV）的自主化程度也提出了更高的要求,路径规划是关键问题之一,关乎机器人技术水平及应用前景,已成为水下机器人相关领域的研究热点。首先,对水下机器人路径规划问题进行建模。环境建模方面,在二维路径规划情形下,采用基于MAKLINK图和Dijkstra算法的建模方法,并在此基础上提出了一种对路径搜索空间再分解的方法,可灵活调整规划路径的精细化程度;针对三维路径规划情形,为降低在三维空间设置路径点的复杂性,提出了一种基于RRT-Connect的环境建模方法,具体包括基本路径点数目的计算、搜索空间的分解和路径点的分配三部分内容。在此基础上,以航行时间、路径平滑度和下潜梯度等为优化目标,考虑了强海流和障碍物带来的相关约束,建立了该问题的数学优化模型。其次,对路径规划算法的研究。针对上述数学模型的求解,提出了一种改进的鲸鱼优化算法（IWOA）。为使算法对不同路径点规模的规划问题都具适用性,引入了基于问题连接结构的优化思想。在此基础上,在线构建了关键子集族（KFOS）和有效子集族（EFOS）,用于实时发现关键度和有效度较高的连接集,并增大其重复利用率,以提高算法的收敛速度和求解精度。此外,为更全面有效地利用种群进化历史信息,设计了多学习集构造个体引领者,以及相应的联合引导策略,并对鲸鱼优化算法（WOA）的算子及搜索模式进行了调整,以进一步增强算法的整体寻优性能。将所提IWOA应用于不同类型的基准测试函数的求解,并与文献中其他算法进行对比分析,验证了所提算法IWOA的可行性和有效性,表明其具有较强的全局探索和局部开发性能。最后,将所提相关算法应用于求解水下机器人路径规划问题。针对水下二维和三维路径规划问题,综合考虑了不同地形、时空可变海流等多种环境因素,以及定深航行、下潜和近海底两点间航行等各种类型的水下任务,共设置了8种工况进行仿真实验。实验结果表明,所提算法对水下路径规划问题的求解是可行和适用的。相对文献中其他WOA改进算法和经典智能算法,其收敛速度、求解精度和稳定性均较优,并具有较强的鲁棒性,更适于对不同工况和路径点规模的问题求解,所得路径可较好地满足水下机器人航行的路径规划需求。本文的研究工作,为相关路径规划问题的更好求解提供了启发和借鉴,同时对水下机器人智能化水平的提高提供了探索和支持。