随着智能科学的迅速发展,移动机器人不仅仅只是应用于工业、农业等领域,也广泛地应用于人们的社会生活中,帮助人们解决复杂、危险的社会工作。尽管不同种类的移动机器人工作的内容有所不同,但是每一种机器人要想在工作环境中满足高效便捷的特点,都需要结合实际环境状况设计出对应的路径规划线路。因此,面向不同的路径环境特点,如何应用合理的路径规划技术也就成为了众多研究学者广泛关注的焦点。现阶段,常见的路径规划技术分为传统数学方法和以蚁群优化算法为代表的仿生智能方法。其中,应用最为广泛且能够与其它算法进行结合解决优化问题的是蚁群优化算法。蚁群优化算法在实际应用于路径规划过程中,表现出易于理解、可操作性强,采用正反馈机制,有利于进行分布式并行计算等特点。然而,在进行最优路径规划过程,也易于出现收敛速度慢、陷入局部最优等情况。对此,本文结合多态蚁群优化算法中蚂蚁分工分类的思想,融合模拟退火算法中的Metropolis准则,提出一种自适应模拟退火多态蚁群优化（Adaptive Simulated Annealing Polymorphic Ant Colony Optimization,ASAPACO）算法应用于移动机器人路径规划过程,其主要研究内容包括:1.介绍了常见的几种移动机器人环境建模方法和路径规划方法,并描述分析了不同方法的适用范围、优缺点,以及研究现状。2.针对蚁群优化算法在移动机器人路径规划中的应用进行相关实验仿真分析,包括蚂蚁数量、信息素轨迹强度占比因子、启发程度占比因子、信息素挥发因子、环境复杂情况等参数的取值对算法运行结果、收敛情况的影响,概括了使用蚁群优化算法进行机器人路径规划过程有待改进的几个方向。3.介绍了多态蚁群优化算法的设计思想和模拟退火算法的Metropolis准则,并在多态蚁群优化算法的基础上,使用Metropolis准则改进状态转移机制,在保证算法搜索随机性的前提下,修正蚂蚁搜索方向,提高路径寻优质量。同时,通过先验知识得出信息素浓度对算法的影响,设计一种动态自适应信息素更新机制,使信息素浓度随算法进化过程自适应变化,提高所提出算法ASAPACO的寻优收敛速度。4.将所提出ASAPACO算法应用于景德镇陶瓷文化景区旅游路线规划过程,并将规划路径与Google地图路径测绘值进行对比,进一步验证提出算法的实际有效性和可行性。