智能移动机器人路径规划是移动机器人导航技术中最重要的环节之一,它是指在给定智能机器人及其工作环境信息下,按照一定的优化指标,在起始点和目标点之间规划出一条与环境障碍物无碰撞的路径。机器人路径规划功能的强弱直接影响移动机器人的智能化水平,是机器人导航技术中不可或缺的部分。　　蚁群算法是一种新型的智能优化算法,具有正反馈性、较强的鲁棒性、分布式计算以及易于与其它方法结合等优点,可以用于解决各种组合优化问题。由于蚁群搜索食物的过程与路径规划有着天然的联系,在路径规划方面发展迅速。　　本文主要针对蚁群算法在移动机器人路径规划中的应用进行了探讨,提出了一种基于改进蚁群算法的机器人路径规划方法。该方法首先采用栅格法建立机器人全局路径规划工作空间模型,接着利用蚁群算法在此工作空间中进行机器人路径搜索,最后利用Java3D技术构建三维场景进行仿真。　　在基于蚁群算法的路径规划中,由于概率式搜索的随机性,蚁群的搜索缺乏方向性指导,导致其收敛速度很慢,需要较长的搜索时间,针对这一缺陷,论文在蚁群搜索路径之前,引入气味追踪策略进行环境的预处理,用气味素浓度来指导蚁群向食物源方向前进,增强了蚁群行进的目的性。另一方面,由于受信息素的正反馈作用,随着时间的推进,蚂蚁都会收敛到某条较近的路径上来,所以蚁群算法容易早熟,即搜索进行到一定程度后,所有个体所发现的解完全一致,不能对解空间进行进一步搜索,导致生成的路径会出现多处弯曲拐点,为了改善蚁群算法的这一缺点,本文提出用Bresenham算法来优化蚁群算法生成的路径。　　结果：证明:同时将气味追踪法、蚁群算法和Bresenham算法结合在一起,增强了蚁群算法在移动机器人路径规划中的适应能力,提高了运算速度,证明了算法的有效性。