近年来,在飞速发展的科技带动下,机器人产业越发壮大,移动机器人技术已经成功地应用在社会中的各个领域,也为人们的日常生活带来了许多便利,而路径规划作为移动机器人技术研究中的一个重要领域受到了广泛地关注。本文围绕不同的环境设置和障碍物情况,采用蚁群算法开展静态环境和动态环境下的机器人路径规划研究,主要工作如下:首先,在静态环境中,传统蚁群算法存在搜索效率低,并且容易陷入局部最优的问题,针对这一问题,借鉴狼群分配原则,优化信息素的更新方式,增大在寻优过程中寻找到最优路径蚂蚁所释放的信息素浓度比例,减小在寻优过程中寻找到最差路径蚂蚁所释放的信息素浓度比例;同时,考虑到移动机器人实体在实际工作环境中行走对于尖锐转角适应性较差的问题,使用平滑操作对路径中的尖锐转角进行修正。改进后的蚁群算法有效地解决了传统蚁群算法在静态环境中搜索速度慢,容易陷入局部最优的问题,并且使用改进后的蚁群算法所规划出来的路径更加适合移动机器人行走。其次,在动态环境中,传统蚁群算法对动态障碍物的适应性较低,针对这一问题,在路径规划的过程中引入边走边寻的方法,对动态障碍物进行分类,对于运动方向和速度已知的障碍物,使用滚动窗口法进行预测避障;对于运动方向和速度未知的障碍物,使用局部信息搜索策略和多步长可行域搜索策略,在规划路径时先获取局部区域内的最优目标点,然后调用改进后的蚁群算法获取局部区域内到最优目标点的最优路径,再重复循环,不断获取新的最优局部目标点,直到找到最优全局目标点。将改进后的算法应用于动态环境中的路径规划,能有效地避开环境中的动态障碍物,并且算法的运行时间得到了明显缩短,更加适合实际情况中移动机器人路径规划。最后,利用MATLAB平台搭建论文所需的工作环境,在此平台上对改进的路径规划算法进行仿真测试。其中,分别在静态环境和动态环境中对提出的改进蚁群算法进行了移动机器人路径规划实验仿真并取得了较好的效果。基于该平台的实验仿真,结果表明了改进后的路径规划算法的可行性和实用性。