近些年来移动机器人的发展吸引了越来越多的研究者的关注。随着机器人技术的发展,人们越来越要求机器人可以在运动过程中根据周围环境的变化自主采取相应措施。因此,路径规划在机器人智能规划方面显得非常重要。路径规划的任务就是在具有一定障碍物的环境内,依照一定的评价准则,找出一条从起始位置到达目标位置的无碰路径。蚁群算法和粒子群算法都属于群体智能进化算法,他们是继模糊规则、神经网络、遗传算法等智能算法之后应用到路径规划研究领域的。粒子群算法(PSO)通过群体中粒子间的合作与竞争而产生的群体智能指导搜索,算法具有较强的通用性和全局寻优的特点。蚁群算法(ACO)的主要特征在于采用正反馈搜索机制、并行计算方式和贪婪的启发式策略,在求解复杂优化问题(特别是离散问题)方面有很大的优越性。本文从理论上对蚁群算法和粒子群算法进行分析,并根据它们各自的缺陷,分别对其进行改进,然后再根据两种算法的优缺点取长补短,将两种算法融合,得到新的融合算法。将新的融合算法应用到移动机器人的全局路径规划中,首先利用粒子群算法较强的全局搜索能力得到几个次优的路径(粗搜索),然后将次优路径转化为蚁群算法中的初始信息素分布,最后利用蚁群算法的正反馈搜索机制求解最优路径(细搜索)。将融合算法在MATLAB中进行仿真,并将得到的结果分别与蚁群算法和粒子群算法进行比较,证明该融合算法的有效性和优越性。