随着社会的发展,移动机器人在越来越多的领域得到了广泛的应用。与此同时作为机器人研究核心内容之一的机器人路径规划问题,国内外学者对其进行了大量的研究,因此对移动机器人路径规划算法的研究有着很强的现实意义。移动机器人路径规划算法分为全局路径规划、局部路径规划两大类。本文对全局路径规划算法中的快速扩展随机树(RRT)算法和局部路径规划算法中的人工势场算法进行了深入的研究,并提出了改进算法。主要研究工作如下:1)全局路径规划算法的研究提出一种自适应目标偏向性RRT全局路径规划算法。该算法针对基本RRT算法随机性强、搜索没有偏向性、得到的路径不一定为最优路径的缺点,从改进随机树生长方式的角度对其进行改进,引导随机树朝目标点方向生长,同时根据环境信息做自适应调整使随机树更高质量的生长。仿真实验结果表明该算法可以引导随机树高质量的朝目标点方向生长、规划的路径尽可能接近最优路径,同时缩短路径规划的时间。提出一种RRT算法的路径优化算法。该算法针对RRT算法生成的路径不自然、抖动、包含不必要的路径节点等问题,运用贪心算法思想进行优化。路径优化算法思路为在每一步优化过程中均选择当下的最优选择,进而达到整体优化的最优。该算法不仅适用于基本RRT算法而且适用于各种改进RRT算法。仿真实验结果表明该优化算法可以较大幅度的缩短RRT算法的路径规划长度以及路径节点个数。2)局部路径规划算法的研究及与全局路径规划算法相结合提出一种将人工势场算法(局部路径规划算法)和自适应目标偏向性RRT算法(全局路径规划算法)相结合的融合算法。该融合算法针对传统人工势场算法中目标不可达、容易陷入局部稳定的问题,在改进人工势场算法解决目标不可达问题的基础上,将自适应目标偏向性RRT算法与改进人工势场算法相结合。不同环境下的仿真实验结果表明融合算法可以很好的解决人工势场算法的目标不可达、容易陷入局部稳定问题,实现两种算法的优势互补。