当前,随着机器人技术的快速发展,机器人的应用领域越发广泛。机器人运动环境的多变性和复杂性,决定了机器人路径规划问题是机器人技术领域的一个研究重点,也是机器人实现智能化的关键技术之一。本文围绕机器人路径规划在以下几个方面做出了相关的研究和探讨。首先,本文概述了机器人的发展历史和机器人路径规划方法,详细介绍了机器人路径规划问题的研究现状和路径规划技术的发展趋势,由此明确了本文的求解策略。其次,提出一种有效可行的算法,用于求解路径规划问题。以较为新颖的果蝇优化算法(FOA)为基础,为克服其易陷入局部最优、对全局搜索和局部搜索的平衡能力较弱的缺陷,提出了一种基于模拟退火的并行自适应改进果蝇优化算法(IFOA),其基本思路为:一是采用混沌初始化,使初始群体能够更好地分布于解空间,为后续的算法寻优过程提供一个良好的基础;二是引入自适应策略,使搜索距离可以在某一范围内自适应变化,避免了标准果蝇优化算法中取值不当对算法整体性能的影响;三是利用密集度因子这一概念来判断果蝇种群的密集程度,根据其数值,进而采取相应的位置更新策略;四是引入模拟退火机制,有效降低了算法陷入局部极值的概率;五是采用并行进化策略,将种群分为开发子种群和探测子种群,使两个子种群采用不同的参数,平衡整个算法的全局搜索和局部搜索能力。然后将所提算法应用于求解经典函数优化问题之中,通过与标准果蝇优化算法和文献中其他算法给出的结果进行对比与分析,验证了所提算法的可行性和有效性。最后,将所提算法应用于机器人路径规划问题中。采用基于图论的“粗规划”和基于智能算法的“细规划”相结合的策略。首先使用链接图法进行环境建模,然后通过Dijkstra算法获得该链接图中起始点到目标点的最短“粗规划”路径,在此基础上,应用本文所提算法进行路径的进一步“细规划”。本文在多种情况下对机器人路径规划问题进行了仿真实验,具体包括单机器人全局路径规划、多机器人全局路径规划和在具有动态障碍物的环境中的机器人路径规划等三类问题的六种工况。实验结果表明,所提改进算法的求解精度和鲁棒性得到了显著提高,可较好地求解此类路径规划问题。综上,本文对于机器人路径规划问题的研究,进行了有益的探索和尝试。提出的算法也可推广应用于其他复杂工程优化问题之中。