路径规划问题是目前移动机器人研究中的一个重要方向,移动机器人的路径规划主要研究的是求解最短路径的问题。在这类问题中一般分为两种形式:第一种情况是不可行区域的位置、大小给定,且在运行过程中保持不变;另一种情况是不可行区域的信息未知或者部分未知,需要对其进行实时的探测。目前研究两种情形的方法也有所不同,寻找一个合适的算法可以得到适应不同情形的优化移动路径仍是路径规划中研究的重点和难点。目前研究路径规划的方法有很多,比较通用的思路是将路径最优问题转化为几何和函数问题相结合的求最值问题。这类方法简单,目前发展比较成熟,但这些方法的适应能力不够强,比如当环境空间情况发生变化的时候可能需要对模型进行重构,而且随着环境维数的增加和阻碍物数量的增多时,在运算复杂度上将显著增大,运算周期加长,处理效率也大大减小。随着现代计算技术的不断发展,广大学者们也将智能算法引入到解决此问题的领域当中,这些仿生的进化方法不仅具有极强的环境的适应能力,而且性能也比较稳定。本文研究的内容主要分为两大部分:单目标点的路径规划方法和多目标点的路径规划方法。在单目标点的路径规划中,本文首先以传统方法中的栅格法为基础,运用动态规划方法规划出了移动机器人的最优路径。然后针对传统方法的不足和缺点,研究了基于神经网络算法的移动机器人路径规划,对其进行了改进和完善;在多目标点的移动机器人路径规划中,本文以可视图法路径规划进行建模,然后运用改进的Dijkstra算法求解各点之间的最小路径,分别用两种方法求解出了最优路线,并对两种方法进行了比较分析。