路径规划是全自主移动机器人技术中最重要的课题之一。路径规划的目的为，在给定环境中完成某一特定任务的情况下，能自行规划和决策出一条安全的避障轨迹。路径规划问题实质上是全自主移动机器人计算一条从起始点到目标点的最优路径的优化问题。本文主要工作在于，针对传统人工势场法所存在的局部极小问题和目标不可达问题，提出了一种新型的规划轨迹算法。同时，此算法也能在随机分布的障碍物环境中规划出一条安全的轨迹。主要工作分为以下4个部分：1.阐述了经典的人工势场法原理，及其存在的两个固有缺陷。着重分析基于人工势场法的相关算法的发展和改进，以及在此基础上的多算法融合的轨迹规划方法。根据影响各算法的主要因素对相关的势场法进行粗略的分类，并做了简要的分析。2.介绍了一种改进牛顿法的势场算法，用以解决当机器人靠近障碍物和在狭窄通道运动时，采用势场法（PFM）规划路径遇到的抖动问题。针对势场法中存在抖动问题提出了一种系统的解决方案。通过在不同势场模型和参数设置的情况下进行模拟，对比改进的牛顿法和梯度下降法在避障过程中的性能表现。3.对本文提出的基于反应式的人工势场法（RB-APF）算法的思路进行了详细阐述。此算法结合了人工势场法的有效性和反应式算法的简练性两个特点，来满足移动机器人路径规划对实时性的要求。通过合理设计转换条件，路径选择函数和最优路径点选择方程，来适应不同的障碍物分布情况。4.分析标准粒子群算法（PSO）和免疫粒子群算法的避障效率；利用MATLAB编程，把本文提出的基于反应式的人工势场法的算法通过仿真表达出来，并分析得到的模拟结果；通过比较上述两种类型的路径规划算法，分析基于进化算法和基于推理算法的各自优缺点及应用场合。