随着移动机器人被广泛应用于各种领域,移动机器人的自主导航技术成为国内外研究的热点,而作为自主导航关键技术的路径规划算法也成为研究工作者们关注的重点之一。本文介绍各种传统路径规划算法,分析传统规划算法的优缺点,引出传统A*算法中存在的问题的同时,在A*算法的框架上对算法进行改进、融合,使其具有各种丰富的功能。传统A*算法中路径节点过于靠近障碍物,扩展过程中需访问的冗余节点过多,算法搜索时间过长。针对这些问题,本文在使用A*算法框架的跳点搜索算法(JPS)的基础上提出一种改进的跳点搜索算法。通过对传统跳点用危险度评估函数评估,将障碍物同一个拐角中危险度高的跳点结合形成新类型的跳点;同时,对障碍物进行膨化处理,使跳点与障碍物保持一定距离,提高算法每次迭代的搜索范围;最后,删除不可直达的后继跳点,降低改进JPS算法的路径长度,改善算法的性能。仿真结果表明改进JPS算法在复杂环境中平均搜索速度提升58.9%,平均路径长度缩短2.7%,平均碰撞危险度降低41.3%。为了丰富算法的功能,与人工势场算法融合。通过矢量分解引力势场的方法,将单一的引力势场分解成由新类型跳点组成的多个引力分量势场,其中每个引力分量对应一个虚拟子目标点;分析传统人工势场法中存在的路径振荡问题,使用动态障碍物作用域的方法,得到更加平滑路径;通过更改最终目标点的引力公式,使得目标引力恒大于障碍物斥力,解决目标不可达问题。最后通过位置预估以及添加偏航角的策略实现融合算法的目标追踪和动态避障。将融合算法应用于多机器人多目标规划,在类仓库地图上进行仿真。提出一种任务分配方法,通过优先对多机器人多目标问题降维、分解,将复杂问题分解成简单的线性规划问题,求解出基于总路径长度最短的最优解;分析机器人碰撞的类型,建立机器人局部反应机制。通过在类仓库地图上仿真验证了本文方法的有效性。