计算机应用技术是一门研究在不同情况下，使计算机高效地为不同的需求提供可靠运算服务的学科。机器人作为一个软硬件高度集成的智能化系统，为计算机技术提供了广阔的应用平台。本文主要研究机器入学中的路径规划算法的设计。路径规划问题在计算机动画、蛋白质和基因分子运动等领域得到了广泛的应用，近三十年以来，针对静态环境中的高维位姿、环境可变以及困难区域等难点，研究者分别提出了许多相应的算法。但在对于动态环境中的路径规划问题，仍然是一个重要的挑战。本文针对多自由度机器人在复杂可变环境中的路径规划问题，讨论在可能存在动态困难区域的环境中实现机器人快速安全高效的实时路径规划问题，主要内容如下:　　1.针对可变环境中不同区域的拥塞程度存在明显差异的情况，提出了一种基于动态窗口的区域划分方法，该方法借鉴了单查询方法高效的在线采样以及静态环境中区域分割采样策略，存储采样在障碍物空间的位姿，使用一个动态窗口来估算区域的拥塞程度，再根据最邻近点所处区域的估算拥塞等级，选择适合该区域的扩展方法，使搜索树能够快速在位姿空间扩展。在扩展过程中，结合最短路径策略，利用搜索树中点的分类信息来评估生成路径的持续有效性。　　2.为了更好地处理重规划过程中采样点的选取问题，本文提出了一种跟踪启发状态的策略，通过跟踪被障碍物占据的采样点，利用其变化所包含障碍物的运动信息来引导生成路径，有效的减少重规划的次数。　　3.本文在区域分类算法的基础上，实现了基于障碍物引导的快速搜索树算法。为了验证该方法的有效性，本文利用Kawasaki FS03N型机械臂仿真实验环境，在不同的场景下进行实验，并与其它方法进行了对比。　　通过大量的仿真实验结果可以得出结论:本文提出的方法可以有效的适应复杂可变环境，并且有很高的时间效率，能够达到快速规划的预期目标。