21世纪以来,移动机器人的发展十分迅速,并且逐渐渗透到人类生活的各个领域。路径规划是移动机器人智能化的一个重要体现,本文针对移动机器人的路径规划问题,采用不同的算法进行了深入研究。本文为了解决移动机器人全局路径规划问题,首先采用了免疫算法。本文借鉴了生物免疫机理,从而设计了一种路径搜索算法,即免疫算法。该算法主要利用了克隆选择原理,还引入了接种疫苗、抗体浓度等思想。接种疫苗不仅提高了抗体的亲合度,还加快了算法的收敛速度；而抗体浓度有利于保持抗体的多样性,能够有效地防止算法陷入局部收敛。利用Matlab进行仿真实验,并与遗传算法作比较,实验结果表明免疫算法的全局搜索能力更优秀,并且具有更快的收敛速度。本文接着利用改进蚁群算法展开了移动机器人全局路径规划的研究。为了提高算法的全局搜索能力以及收敛速度,提出了一种改进蚁群算法,该算法在基本蚁群算法的基础上提出了3处改进策略：目标启发策略；信息素更新与限定策略；回退策略。利用Matlab进行仿真实验,实验结果表明改进蚁群算法规划效果更好,收敛速度更快。本文还对蚁群算法中的各个参数进行了理论分析,并通过仿真实验的方法得到了各参数的最佳组合设置。免疫算法与改进蚁群算法均有其不足之处,本文将两种算法进行结合,设计了一种免疫蚁群算法。免疫蚁群算法首先利用免疫算法较强的全局搜索能力得到较优解,然后生成路径信息素的初始分布,最后利用改进蚁群算法来搜索最优路径。仿真结果表明免疫蚁群算法收敛性与路径搜索能力都要优于免疫算法以及改进蚁群算法。本文最后还研究了移动机器人的局部路径规划问题,主要借鉴了滚动窗口的原理。针对局部动态障碍物问题,提出了一种局部避碰策略；针对临时静态障碍物问题,提出了一种在滚动窗口内采用改进蚁群算法进行二次规划的方法。仿真结果表明,本文提出的局部避碰策略以及二次规划的方法具有很好的可行性。