针对机器人路径规划对于路径最短、搜索效率以及平滑度的性能要求，提出一种改进A*与改进动态窗口法（Dynamic window approach， DWA）相融合的算法。针对传统A*在复杂场景下输出非最优路径、寻路效率低等问题，结合曼哈顿和对角线设计新的启发函数，并对其动态分配权重，实现全局路径最短，减少寻路时间。针对传统8邻域8方向搜索效率低、耗时长等问题，提出一种基于8邻域改进的搜索策略，对当前节点实时动态分配最优的搜索方向。针对路径存在多余无用节点问题，使用Floyd算法去除冗余节点，减少转向次数，缩短路径长度。针对传统DWA算法规划的路径非全局最优问题、目标点附近存在障碍物时规划的路径长度增加或者规划失败问题，加入全局关键节点信息和引入目标点距离评估子函数。针对关键节点距离较长，导致融合算法规划的路径偏离全局最优路径问题，提出关键点密集化策略。最后，将提出的改进A*算法、融合算法和已有的其他改进算法进行比较，仿真结果表明，改进的A*算法能够在复杂环境中生成最短全局路径，平均转向次数减少16.3%，平均寻路时间缩短55.66%；融合算法在临时障碍物环境下，平均路径长度和平均运行时间分别缩短6.1%、14.7%，在移动障碍物环境下，平均路径长度和平均运行时间分别缩短1.6%、39.8%。