随着工业技术发展的不断进步,智能体路径规划问题需要在更加复杂和多样的工作环境中完成,而由于单个智能体的应用范围有限,需要发展多智能体系统来提高工作性能。多智能体的路径规划是一个复杂的问题,需要考虑环境建模、避障和协调等技术理论。本论文通过对差分进化算法(Differential Evolution,DE)进行改进,分别针对单/多智能体在全局信息已知条件下的路径规划问题进行研究。本文的主要工作包括:(1)分别介绍了智能体路径规划研究情况和相关的国内外研究现状,介绍了路径规划的常用方法,并分析了这些的方法的优点和缺点;介绍了DE的国内外研究现状和常用的改进策略以及算法的基本原理和流程。(2)针对现有的环境建模方法进行优缺点分析,建立本文的环境模型,在此环境模型下,设计路径编码方式和最短无碰撞路径模型。(3)针对单智能体无碰撞最短路径规划问题,提出人工势场-差分进化混合算法。建立单智能体全局环境信息已知的无碰撞路径模型,采用差分进化算法规划智能体最优路径。针对DE的变异因子,采用适应性的调节策略;针对差分进化算法在交叉操作过程中的不可行解,提出人工势场法不可行路径修正策略,提高算法寻求最短路径的有效性。实验结果表明,所提混合算法的收敛速度和求解质量均优于基本差分进化算法,实现了单智能体的最短无碰撞路径问题的有效求解。(4)针对多智能体有碰撞路径规划问题,提出了混合思维进化算法的差分进化算法(Memetic Differential Evolution Assisted by Mind Evolution Algorithm,MDEMEA),将DE的初始种群分成多个规模相同的子种群,根据相应的数学模型,采用MDEMEA算法规划多智能体路径,针对算法过程中产生的智能体间的碰撞路径点,设计多智能体协调策略,仿真研究表明了所提MDEMEA算法的实用性。