蚁群算法(Ant Colony Optimization,ACO)由意大利学者Dorigo于20世纪90年代提出,很多学者将其应用在各自的领域,如医学、物流、网络等,并且取得了一定的成果,解决了很多NP难问题.随着移动机器人的广泛应用,其路径规划问题已成为一个研究热点.因此,研究蚁群算法的改进及在机器人路径规划问题中的应用意义重大.主要工作如下:1、将两种改进蚁群算法结合到一起,提出了一种新的改进蚁群优化算法.该算法通过在启发函数中加入下一个节点与最终结点的距离,同时在信息素更新时根据最优解和最差解,分别增加和减少信息素浓度来提高算法性能.将改进后的蚁群算法应用于机器人路径规划中,与基本蚁群算法比较,提高了收敛速度,增加了解的精确度.2、将遗传算法与改进的蚁群算法进行结合,提出一种混合算法解决机器人路径规划问题.首先利用遗传算法产生最优解,再将此最优解路径长度作为改进蚁群算法的初始信息素值的一部分.最后,利用改进的蚁群算法的高效和正反馈特点来得出最优路径.将混合算法与改进的蚁群算法进行比较,发现混合算法相较于改进蚁群算法能够更快的找到结果,验证了混合算法的高效性.