近年来,随着科技的进步,移动机器人的应用越来越广泛,机器人的环境也变得更加复杂,由于多机器人系统具有效率高、鲁棒性强等优点,越来越多的学者对此展开了研究。多机器人路径规划问题是机器人研究领域的一个热点,其主要工作是为每个机器人规划一条从起点到目标点的最优路径,并且躲避障碍物与其他机器人。本文主要研究静态环境下多个机器人的路径规划问题,对趋于目标的静态全局路径规划以及躲避其他机器人的局部路径规划展开了深入研究。本文的主要研究内容如下:1)在进行全局路径规划时,提出一种多步长的改进蚁群算法。该算法实现了多步长路径规划,缩短了路径长度;同时在概率公式中加入拐点参数,使路径更加平滑;并且提出了新的信息素奖励惩罚机制,避免陷入局部最优。仿真结果表明,本文算法比目前的其他改进蚁群算法规划出的路径更短、更平滑。2)在局部路径规划时,采用人工蜂群算法。针对路径规划问题中节点个数不固定的问题,引入了邻域段的概念。将机器人的路径划分为多段,在每一段中局部搜索新的较短可行路径。这种方法只需要考虑邻域段中路径的适应度值,缩短了规划时间。仿真结果表明,采用人工蜂群算法规划局部路径的效率较好。3)将路径长度、路径平滑度和暂停时间作为多机器人路径规划的优化指标,提出全局和局部相结合的路径规划方法。首先采用改进的蚁群算法进行全局规划,然后针对多个机器人之间的碰撞问题,提出基于信息交互的碰撞预测策略以及路径协调策略,路径协调采用暂停和修改局部路径策略,其中修改局部路径时采用人工蜂群算法。通过仿真实验可以看出,本文提出的算法收敛性较好、效率较高,验证了该方法在多机器人路径规划中的有效性和可行性。