近年来,气候变化、环境异常、个体需求和国防等问题引起了人们对无人艇的商业化、科学智能和军事化发展的广泛关注。通过多传感器融合,无人艇已有效应用于自主巡航、水质采样、垃圾清理、环境监测、海洋救援、目标跟踪和水质监测等海洋领域,而因海况复杂、目标点数较多且分布密度不同致使无人艇常规航行完成海上作业耗时耗能,甚至无法有效执行,因此路径规划对无人艇的发展起到举足轻重的作用。启发式算法是解决路径规划问题的有效方法,常用的遗传算法、贪婪算法及蚁群算法执行机制较为复杂且优化性能一般,而粒子群算法因其收敛速度快、设置参数少、结构简单易实现,经改善可有效实现无人艇的自主导航和控制。为给多传感器集成的无人艇设计高效的路径,本文提出了一种改进的混合式粒子群算法,有效地推导出近似最优的路径轨迹。该算法包括四个主要阶段,首先在粒子初始化前采用多子域分组策略降低路径规划问题的复杂度和算法计算时间;其次为充分利用遗传算法的全局搜索优势,在初始化阶段采用三种变异形式;随后利用基于置换的多粒子竞争策略及基于贪婪机制的粒子黑箱策略在优化阶段迭代寻优,使得算法在每个子域中都能有效地生成局部循环路径;最后在各子域路径连接完成后,采用精简4-OPT的局部搜索方法去除路径交叉。基于多传感器数据,通过对10个TSPLIB实例的蒙特卡洛模拟,将改进算法与现有算法进行对比,并对自主研发的无人艇进行了导航应用实验。实验结果表明,该算法在求解精度和计算效率方面均能取得满意的结果。本文首先详细阐述了无人艇的自身优点、用途及其自主路径规划问题,通过研究粒子群算法的各类改进措施及效果,总结出区域分解预处理、变异初始化种群、多粒子竞争、贪婪粒子黑箱及K-OPT等混合优化策略;其次深入分析了贪婪算法、遗传算法等多种启发式算法的思想和机理,并将其有效引入粒子群算法中,同时通过对C均值聚类、FCM聚类的挖掘分析,总结出基于笛卡尔坐标系的多子域聚类准则;随后采用MATLAB对改进粒子群算法进行路径规划仿真测试,并通过箱体图、数据表、路径轨迹、数据无量纲等形式与本人已发表的相关改进算法和其它最新改进算法进行性能对比;最后将改进算法应用于自主研制的无人水面艇导航、制导和控制（NGC）系统,通过设置具有不同数量和分布特征监测点的几种工况进行海试实验验证路径规划的可行性。