近几十年来,大量的研究人员对移动机器人相关理论进行了研究,相关的研究内容代表了未来人工智能的发展方向,移动机器人的路径规划技术更是十分重要。路径规划是移动机器人实现自主完成任务的前提,通常被作为底层控制策略放置于机器人控制器中。移动机器人目前被应用于生产生活、军事、医疗等多个领域。因此,对于移动机器人路径规划可以进行详尽深入的研究,本论文主要研究了移动机器人路径规划的相关内容。本论文的研究工作包括下面几个方面:(1)改进Dijkstra机器人全局路径规划算法的研究研究了改进的Dijkstra算法应用于移动机器人路径规划。在建立的可视图地图模型中,给定机器人运行的起点与终点,首先实现经典Dijkstra算法的路径规划效果,在此基础上对经典算法进行改进并通过仿真实现改进后的Dijkstra算法的路径规划效果,对两者进行比较分析。仿真结果表明,经过改进的Dijkstra算法较经典Dijkstra算法而言,运行所得路径中冗余拐点更少,移动代价更小。(2)基于改进遗传算法的移动机器人全局路径规划研究研究了改进的遗传算法应用于移动机器人路径规划。在建立的栅格地图模型中,给定机器人运行的起点与终点,首先实现经典遗传算法的路径规划效果,在此基础上对经典算法进行改进并通过仿真实现改进后的遗传算法的路径规划效果,对两者进行比较分析。仿真结果表明,改进后遗传算法规划得到的路径更短,算法迭代次数更少。(3)基于改进鲸鱼算法的移动机器人全局路径规划与语音识别研究研究了鲸鱼优化算法在移动机器人路径规划中的应用。在建立的栅格地图模型中,给定机器人运行的起点与终点,首先实现经典鲸鱼优化算法的路径规划效果,在此基础上对经典算法进行改进并通过仿真实现改进后的鲸鱼优化算法的路径规划效果,对两者进行比较分析。仿真结果表明,改进后的鲸鱼算法更加适用于移动机器人路径规划,且所得到的路径较经典鲸鱼算法路径更短,算法迭代次数更少。后续研究了基于改进鲸鱼算法的BP网络应用于孤立词语音识别。首先建立用于做特征提取与分类的在线孤立词语音库,在自主建立的孤立词语音库的基础上对语音信号进行特征提取建立特征向量矩阵,使用BP网络对语音数据进行训练并区分类别,运用经过优化的鲸鱼优化算法提升BP网络的分类效果,通过仿真验证经过改进后的神经网络的分类效果。