在科技发展日新月异的今天,一个国家国力的发展水平,很大程度上取决于机器人技术的发展程度。移动机器人是机器人学中的一个重要分支,它是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合系统。路径规划技术是移动机器人的研究基础,其目的是保证移动机器人不与环境空间中的障碍物碰撞的前提下,考虑机器人能耗和路径长度等的指标,在最短的时间内找到从起始点到目标点的最优路径。路径规划是移动机器人的基本控制策略,其效果受到控制算法性能的影响。鸡群优化算法是一种群体智能优化算法。虽然相比于其它的群体智能算法,鸡群优化算法具有较好的收敛速度和精度,但在解决复杂函数的优化问题上,同样也存在着早熟收敛和和收敛精度不高的问题。为了解决此问题,在鸡群优化算法中引入动态权值策略,形成改进鸡群算法。并且采用七个经典的测试函数对改进鸡群算法的性能进行测试,并且对比基本粒子群算法和基本鸡群算法的测试结果。实验结果证明改进鸡群算法在处理复杂函数的优化问题上的有效性。在上述的研究基础上,提出了一种基于改进鸡群算法和自适应简化粒子群算法的两阶段混合算法,自适应鸡群-粒子群混合算法。该算法第一阶段,采用第三章提出的改进鸡群算法对初始种群进行优化,并且引入多样性函数实时监控种群多样性;第二阶段,采用自适应粒子群优化算法进一步迭代寻优。建立了两种复杂度不同的环境模型,最后在对两种环境的仿真实验里验证算法性能。实验结果表明:该混合算法减小了收敛时间,在保证了算法收敛精度的前提下减小了迭代次数,并且降低了算法多次优化结果的波动。