随着科技的进步和人类需求的日益增长,路径规划技术的应用范围也在不断扩展。尤其在人工智能和互联网繁荣发展的背景下,路径规划在机器人应用领域得到了广泛关注和深入研究。一方面,目前关于机器人路径规划的研究大多局限在二维平面下,与机器人真实的工作环境存在较大差异,特别是那些复杂的野外工作环境。另一方面,在二维平面或者地势平坦的环境中,距离最短或许是机器人最优路径的评价标准,但在一些复杂不均匀的地形环境中,距离最短的路径往往需要消耗更多的能量。多数机器人的动力系统是能量有限的,动力系统的能量消耗会直接影响机器人工作和任务的完成。因此,在机器人路径规划中,如何最小化能量消耗是十分重要的,也是具有一定实际意义的。针对上述问题,本文基于A~*算法分析研究了机器人在三维地形模型下的能效最优路径规划问题。考虑到已有研究中能量代价模型的不足,本文提出了一种新的能量代价模型,依据该模型设计实现了能效最优的A~*算法,并与距离最优的A~*算法作对比。仿真结果表明,所设计的能效最优A~*算法不仅能寻得一条能量消耗最小的可行路径,还能比距离最优A~*算法有更好的实际意义;相比较于已有研究,本文提出的能量代价模型不但能降低最优路径的总能量消耗值,还能在一定程度上提高路径的平滑性。此外,本文还在约束模型下进行了相关仿真实验,也从侧面说明了能效最优A~*算法的灵活性。进一步的,在能效最优A~*算法的基础上,针对算法的优化问题,本文主要在搜索空间和时间上提出了两种改进优化策略。首先是针对搜索空间的优化,提出了多邻域搜索策略,据此设计并实现了多邻域搜索A~*算法。仿真结果验证了该改进策略可以帮助A~*算法得到能量消耗值更低的最优路径,且路径相对更加平滑。其次针对多邻域搜索A~*算法运行时间过长的问题,结合了动态加权的思想,提出了动态加权多邻域搜索A~*算法。仿真结果表明,动态加权多邻域搜索A~*算法在寻得的能效最优路径上与多邻域搜索A~*算法相差无几,但能够进一步减少算法的运行时间,从而验证了改进之后算法的有效性。