近些年来,随着机器人技术的迅猛发展,某些传统行业中的人工作业逐渐被机器人作业替代,多移动机器人系统的应用将来会成为各个行业发展趋势。多机器人系统往往包含着多移动机器人控制体系、任务分配、通信、路径规划等问题,其中路径规划算法研究是机器人系统的关键一环。单机器人路径优化的目标是规划出一条从起始点到目标点的避障合理路径,而在多移动机器人路径规划中,机器人之间避免碰撞冲突是值得关注的研究点。本文以机器人路径规划作为主要研究对象,针对不同的控制体系,设计优化模型并提出解决方案,实现多移动机器人之间的无冲突行驶,主要研究内容和结论包括:（1）针对集中式路径规划,在改进A*算法基础上设计协调冲突策略完成多移动机器人路径规划。考虑能耗因素模型,针对转向弧度过大问题,引入平滑函数和引导函数建立改进A*算法模型。同时对多移动机器人之间的路径冲突,设计协调冲突策略,使得多移动机器人能够解决冲突并在初始路径基础上平衡能耗。最后通过栅格法建立机器人行驶环境模型,利用Matlab平台对比其他算法进行实验仿真,实验结果表明,在单机器人环境下,改进算法能耗更优;在多移动机器人环境下,改进算法的能耗更均衡。（2）针对分布式路径规划,提出以强化学习为基础的移动机器人路径规划。首先对强化学习下移动机器人路径规划的特点进行分析,设计状态空间、奖励函数,引导机器人进行无冲突行驶,随后引入动态-greedy动作选择策略与Wo LF-PHC算法的学习策略相结合,使得机器人在自身寻路步数收敛的同时快速适应其他机器人学习策略,然后引入冻结Q值函数策略以解决步数不同问题,最后通过Pycharm平台进行仿真实验,从实验仿真结果来看,所提方案能够为移动机器人无冲突寻路,在收敛步数和收敛速度之间进行平衡,提升了分布式强化学习下移动机器人寻路效率。（3）针对无线通信环境下的多移动机器人路径冲突进行分布式实时避碰算法设计。所提出的算法是基于无线信号强度变化的分布式多移动机器人避碰算法,针对不同的机器人编号设计不同的等待时长,执行退避策略。为进一步减少等待时间,提出基于RSSI的二进制序列优先级避碰算法,将编号转化为二进制序列来实现发射周期的重新分配,并通过发射信号与接收信号的对比,确定下一步执行动作。最后基于Webots仿真平台验证算法的可行性,实验表明,二进制序列优先级方法比固定优先级方法的等待时间更短,效率更高。