移动机器人的研究和开发近年来受到了人们的高度重视。人们要求机器人在运动过程中能够根据周围环境的变化而自主的采取相应措施的能力也越来越强。因此,作为机器人智能的一个重要因素——路径规划就显得尤为重要。路径规划是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。本文主要针对复杂环境下移动机器人路径规划及其相关的关键技术展开了研究,着重研究了静态已知环境和动态已知环境下机器人的路径规划问题。论文的主要研究工作如下:首先,详细地介绍和分析了传统的Khatib人工势场模型。该模型将目标点看作与移动机器人带有相反极性的电荷的带电体,障碍物看作与机器人带有相同极性的电荷的带电体。利用电荷的吸引与排斥力进行路径规划。在该模型的基础上,设计了移动机器人路径规划方案。其次,研究了传统Khatib人工势场模型的不可到达问题(GNRON)。考虑到不能到达问题是由于在目标点处的势场斥力函数过大造成的,将势场斥力函数与机器人与目标点的相对位置考虑在内,通过这个方式对斥力函数进行修正,解决了传统Khatib人工势场模型的不可到达问题。并将改进势场模型引入到动态路径规划当中,实验表明,在运动状态未知的动态环境中,运用改进后的势场模型能够进行准确的路径规划。再次,分析Khatib人工势场模型存在的局部最小点问题和产生原因,为了解决由于模型参数的随机性带来的局部最小值问题,提出一种基于改进的人工势场模型的遗传算法搜索方法,并用该方法来寻求全局最优解,从而跳出函数的局部最小点,达到路径最优。同时在传统人工势场的基础上,采用了一种新的环境建模方式。最后,将蚁群算法与机器人路径规划相结合,设计了基于蚁群算法的移动机器人路径规划方法。仿真实验表明,不管路径有多复杂,只要有通路客观存在,该方法必能迅速规划出优化路径。