如今,随着机器人技术的快速发展与广泛应用,作为机器人领域的关键问题,路径规划技术受到越来越多的国内外专家和学者的关注。移动机器人依靠自身的各种传感器去感知外部空间环境和自身状态信息,完成在存在障碍物的工作环境当中寻找到一条起始点到终点的最优路径的任务,即为移动机器人路径规划技术。作为移动机器人导航技术的一个重要组成部分,路径规划技术具有十分重要的研究价值。在机器人路径规划当中,机器人首先要获取精确的环境信息,规划出一条避障后的起点到终点的路径。本文研究了经典的群智能算法当中的人工鱼群算法,在此基础上,又深入研究了一种改进的A*算法。本文的研究内容主要有以下四个方面:一、针对栅格环境下的移动机器人路径规划问题,对于传统的人工鱼群算法进行改进。设计了跟随算法进程动态调整的视野范围和步长,提高了算法收敛速度和寻优精度。同时针对规划出的路径存在局部冗长的问题设计了路径优化算子,对于算法规划后的路径进行优化,确保得到的为最短路径。二、对于传统的A*算法存在的问题进行改进,首先优化了 OPEN表的存储结构,本文采用了最小堆的结构来代替原来的链表结构进行对节点的存储,减少了算法遍历节点所花费的时间,提高了算法的运行效率。同时针对A*算法的启发函数进行优化,分析了传统的启发函数优化方法的不足,我们引入了新的对于启发函数的改进方法,并且针对路径冗长的现象对路径进行了二次优化,使得算法规划的路径为最优路径。最后采用了节点自定义的方法,使得到的路径更加合理。最后通过实验验证了本文优化后的算法的有效性性。三、本文研究了动态环境下基于改进AFSA的路径规划,首先分析了动态环境下的碰撞类型和机器人的避障策略,然后引入了基于滚动窗口的机器人避障策略,最后在MATLAB环境下验证了动态环境下的改进人工鱼群算法的避障性能。四、本文设计了基于Rikirobot的智能小车的混合路径规划平台。首先详细介绍了如何配置上位机的软件开发环境。其次对于ROS操作系统进行了介绍,并且分析了硬件平台的搭建和机器人的运动学模型。之后,将改进的A*算法替换ROS的Navigation功能包的全局路径规划器,将改进的人工鱼群算法加入到局部路径规划器当中组成了混合路径规划算法。最后进行了真实环境下的小车避障实验。