机器人学是一门集理论、设计、制造和应用的综合学科。随着科技的进步，机器人的应用已经越来越广泛。其中移动机器人尤其受到人们的欢迎。路径规划技术在移动机器人中的地位十分重要。有效的路径规划技术需要特定环境下的机器人导航算法。快速扩展随机树是一种数据结构和算法，这种算法为了能够到达目标点能够不断地生成新的节点。这一属性使得它非常适合应用在非完整系统中。在研究中人们发现该算法在解决路径规划问题中有着不错的表现。将基本快速扩展随机树算法加以改进，提出偏向目标型快速扩展随机树算法。并对两者进行了仿真实验对比。结果证明改进型能够避免基本快速扩展随机树搜索过于平均，用时较长等缺点，使搜索具有一定的倾向性，提高了搜索的速度与效率。将偏向目标型快速扩展随机树算法加以应用并解决了两种复杂环境下的路径规划问题。这两种问题均从轮式移动机器人运动学模型出发，前者应用快速扩展随机树的改进算法，主要解决非完整约束下的移动机器人动态环境下的运动规划问题。而后者应用快速扩展随机树改进型与人工势场法结合的方法，主要针对人工势场法容易陷入局部极小等缺点，在结合了人工势场法局部搜索优点的基础上结合快速扩展随机树算法进行全局规划。避免了可能产生的局部极小。然后通过计算机仿真试验与对比试验，验证了以上两种方法的有效性。