多智能体路径规划（Multi-Agent Pathfinding,MAPF）是计算机游戏、仿真软件、机器人等领域亟待破解的难题之一。关键是约束多个智能体能够同时沿着多条路径完成任务,并且过程中不发生冲突。在发生冲突时,需要为发生冲突的另一个智能体寻找其他路径或进行等待操作。目前各行业为提高多智能体路径规划的效率,更加关注完整并且实时的解决方案,但是由于状态空间的大小和分支因素,传统的多智能体路径搜索路径技术可能会在许多实例中出现时间和空间缺乏的问题,因此在预期的时间限制内解决问题的算法大多是不完整的,不能保证得到最优解。根据以上所提,针对多智能体路径规划的实际问题,主要涉及以下几方面的研究:首先对多智能体寻路问题的背景意义以及国内外研究现状进行分析。选择已有的多智能体路径规划问题进行建模,以取得最小路径规划代价和最优路径作为研究目标。在此基础上,本文提出两种基于冲突搜索的多智能体路径规划算法:基于冲突的跳点搜索算法以及基于冲突的双向A*搜索算法。基于冲突的跳点搜索算法是传统基于冲突的搜索算法（Conflict Based Search,CBS）基础上进行节点筛选,判断节点是否需加入OPEN列表,并通过优化OPEN列表与CLOSE列表操作时间。基于冲突的双向A*搜索算法改进了传统单向搜索方法,采用双向搜索减少冗余节点数量,优化估价函数提高遍历速度,使智能体在通过狭窄路径时以更高速率找到目标节点,解决路径冲突。本文结合跳点搜索和双向搜索算法提出一种完整的、高效的和产生近似最优解的算法。通过与传统CBS算法的实验比较,能以较高效率和较低成本完成多智能体路径规划,证明了所提出方法的优越性。本文在实验阶段通过三种不同地图并放置不同数量的多智能体所构建的不同场景中,将新提出的优化算法与传统CBS算法在时间与扩展节点以及成功率等进行数据方面的比较。结果表明,本文提出的基于冲突的跳点搜索算法扩展节点多于CBS传统算法,但搜索时间明显小于CBS传统算法,而且基于跳点的搜索算法在空间利用率上优于CBS传统算法,效率明显提升;基于冲突的双向A*搜索算法在规划成本和效率方面更具优势,比传统CBS算法更适用于狭窄环境进行路径搜索。