在人们的日常生活中移动机器人扮演着重要的角色。机器人的简易、方便、智能等优点受到了人们的喜爱。机器人可以满足人们的各种需求,如货物搬运、地形侦查等繁重、危险的工作。为了让移动机器人能够自主寻径,对其路径规划的研究尤为必要。众多学者为了研究移动机器人路径规划提出了多种算法,这些算法在为机器人进行路径规划时仍然存在一些缺点。为了弥补机器人路径规划算法的不足,提升算法性能,使其更有助于机器人行走时适应各种地图环境的能力,本文对三种智能算法进行了相应的改进及验证。本文分别在三种基本路径规划算法的基础上进行了改进,使各种算法适用于不同的地图环境。本文做出的主要工作如下:首先,针对蚁群算法,为了解决其计算量大、运算耗时长的问题,对启发函数进行了改进,为了解决其易陷入局部最优、收敛速度慢的问题,自适应改变信息素挥发因子,并进行了实验仿真验证。其次,针对遗传算法,为了解决其收敛速度慢、易陷入局部最优解、转弯次数较多的问题,引入惩罚项的平滑度函数和精英保留策略,自适应调整交叉变异概率的大小并进行了仿真对比验证算法的有效性及优越性。最后,针对粒子群算法,为了解决其易陷入局部最优解、规划路径较长的问题,在速度向量更新公式中引入惯性权重并使其自适应变化,并通过仿真实验进行了验证。本文首先对以上三种算法的缺点进行了描述和分析,然后分别改进三种智能算法并进行了仿真验证,最后与基本算法及其他文献中的算法进行比较,验证了算法的有效性。