随着现代计算机信息科学的不断发展,人工智能和海洋大数据的应用领域也在不断扩大,无人机的最优路径选择和规划成了其重要的组成部分。我国拥有漫长的海岸线和包括内海在内的四百多平方公里的水域,所以水下无人机与海洋的资源开发综合利用的问题也已经变得越来越亟待解决。水下的无人机已经成为了对海洋资源的开发综合利用的重要技术工具,在面对这种复杂多变的海洋生态环境时,目前的水下无人机在最优路径规划上依然是个重要课题,很多算法在路径规划上的效果并不令人满意,很难得到较好的结果。蚁群算法针对水下无人机路径规划方面有着非常好的效果,拥有不错的鲁棒性和全局性,但在面对复杂的海洋环境时,往往出现局部最优解、收敛速度慢的不足之处。本文在传统算法基础上进行研究,针对传统算法的不足之处进行改进,建立了基于正态分布的自适应蚁群算法,对添加目标引导素、精英蚂蚁体系、更新信息素浓度这三个方向进行改进。进而确定了改进蚁群算法在路径规划上的应用步骤,并对其实验仿真。仿真结果表明,相较于传统的蚁群算法,经过改进的蚁群算法具有更好的收敛速度,能够准确求得最优路径,具有很强的可行性。针对复杂多变的水下环境,应用栅格法建立水下环境二维模型,并由此类推至三维环境,准确地表达出水底面起伏,对于研究水下无人机路径规划有着重要意义。通过在建立的栅格模型上进行仿真,改进的蚁群算法有着明显的优势,具有更快的收敛速度,能够准确快速的寻找到最短路径,避免了出现局部最优解。