我国物流业发展迅速,大量仓储机器人运用到仓储领域,传统启发式算法用于仓储机器人路径规划存在路径较长、耗时较长问题,已不足以应对当下地图庞大、障碍物复杂的仓储环境。灰狼算法作为较新颖的启发式算法,其收敛性较强,参数较少,易实现,但用于仓储机器人路径规划仍存在以下问题:搜索方向少导致路径曲折、初始化种群分布不均导致收敛慢、位置更新方程太依赖α狼导致复杂地图易陷入局部最优。本研究针对以上问题,作出3个改进:一是提出40方向的灰狼搜索方式,扩展灰狼搜索规则,相较于传统8方向搜索,扩展邻域能更快求出搜索范围内的较优解,且步数更少,路径更短,在三种地图下进行仿真对比并验证;二是在种群初始化阶段结合Tent映射初始化策略形成混沌初始种群,将混沌初始种群反向学习形成反向学习种群,对比混沌初始种群与反向学习种群中每个位置灰狼个体适应度,选择适应度高的个体形成灰狼算法最终初始种群,丰富灰狼初始种群,提高收敛速度;三是修改灰狼算法位置信息方程,结合粒子群算法的最优个体粒子思想,使改进灰狼算法能记忆个体的历史最优位置,加强算法的开发能力与收敛能力,结合差分进化算法的变异矢量思想,随机选择灰狼个体加入引导搜索,增强全局探索能力,避免陷入局部最优。本文将第二个和第三个改进进行融合,将其放入基准测试函数内仿真验证。在16个通用基准测试函数内选取具有代表性的单峰函数F1、F5与多峰函数F9,用于测试遗传算法GA、粒子群算法PSO、差分进化算法DE、改进灰狼算法IGWO、灰狼算法GWO,观察各个算法适应度曲线下降趋势,验证收敛速度提升的有效性。对比各个算法适应度曲线最终适应度值,验证改进策略三避免陷入局部最优的有效性。将3个改进策略进行融合,分别在三种栅格地图下测试IGWO与其它4个算法。从路径曲折程度、路径长度、运行时间、钝角转向角数、直角转向角数、安全系数等参数验证改进灰狼算法,发现随着地图复杂度的增加,路径领先优势越明显。最后,对比基于几何模型的A星算法,验证改进灰狼算法用于仓储机器人路径规划具有较好可行性与应用前景。