目前机器人已经陆续出现在生活中的各个方面,例如扫地机器人,采摘水果机器人等,执行任务时,都涉及到路径规划问题。本文主要研究在二维栅格地图环境下,基于蚁群算法的全局路径规划和动态窗口法的局部路径规划的移动机器人路径规划问题。针对传统蚁群算法存在路径搜索方向和步长的限制、收敛速度慢、路径搜索盲目性大、容易陷入局部最优解、拐点多、转角大和容易陷入陷阱发生“死锁”等问题和传统动态窗口法存在目标点距离过远,无中间引导点,引导性较差,容易陷入局部最优,甚至无法抵达终点问题,本文主要研究内容如下:针对传统蚁群算法存在收敛速度慢、路径搜索盲目性大、容易陷入局部最优解、拐点多和转角大等问题,从以下几个方面入手:初始信息素非均匀分布,动态扩展邻域和方向,并行双向蚂蚁搜索策略,引导性更强的启发函数、状态转移概率公式、信息素更新公式和动态调节挥发系数,路径交叉策略和路径节点的转移策略。在三大类不同复杂度的环境下,通过仿真对比实验验证了并行双向扩展邻域和方向的蚁群算法的可行性和有效性。最后通过消融实验验证每个改进点的有效性。针对传统蚁群算法的路径搜索方向和步长、路径非最短,容易陷入陷阱发生“死锁”和路径不平滑问题,提出如下改进点:对栅格地图环境中的障碍物进行预处理,即提取障碍物有效特征点;对特征点或其所在栅格的初始信息素进行信息素的非均匀分布;以这些特征点为路径节点,实现了自适应变步长的路径搜索方式,同时能够避免蚂蚁陷入陷阱;采用双向并行蚂蚁路径搜索、改进启发函数、改进转移概率公式、动态调整信息素挥发系数、设置信息素浓度限制范围和贝塞尔曲线平滑路径;通过对新环境和传统环境下的蚁群算法对比仿真实验,验证了新环境下改进蚁群算法的可行性和有效性,通过消融实验验证每个改进点的有效性。针对动态路径规划问题提出改进蚁群算法结合自适应动态窗口法的路径规划算法,为验证改进方案的可行性和有效性,在单目标点的基础上引入多目标点,在多目标点的全局路径规划中涉及到模拟退火算法对多目标点路线进行优化排序。为更好地说明本文融合算法对不同复杂环境具有较好的适应能力,仿真实验环境复杂度逐步提高,即在环境中加入静态未知障碍物、动态障碍物和视为障碍物的其它机器人,通过仿真对比实验验证本文融合方法的优势,同时在四大类仿真实验中验证本文方案的可行性和有效性。