作为移动机器人的分支,因当今世界的非自然死亡率的提高,智能车辆近年来发展迅速。对于移动机器人来说,避障和路径规划是需要解决的首要问题,对于智能车辆来说也是一样。路径规划直接关系到智能车辆的智能化程度。目前国内外许多学者已经提出了多种路径规划方法,并通过仿真和实验取得了较好的实验效果。本文对智能车辆进行了研究,从汽车的发展史出发,叙述了智能车辆的发展及所需技术的发展,阐述了智能车辆的研究方向以及路径规划对于智能车辆重要性,并详细介绍了智能车辆和智能算法的研究现状。首先介绍了自主避障系统的基础知识以及收集信息的方式,通过基本信息的描述,对智能车辆的避障系统有了初步的了解。使用栅格法建立静态障碍物模型,详细分析了基本蚁群算法和A*算法的基本原理,针对这两个算法进行仿真,分析了两者的优缺点。其次对蚁群算法进行改进,即通过引用加权系数C的思想,引入启发函数中,加入蚁群算法的每次寻优迭代的过程中。有效的提高了蚁群算法的快速收敛和局部最优,并且在不同的环境规模中验证了改进蚁群算法的有效性。此外,本文不仅分析比较了各个算法在静态环境中的应用,而且还把改进后的蚁群算法引入到动态环境信息中,验证了改进后的蚁群算法是否能够实现动态避障效果。通过在不同模型,以及相同起点和终点的情况下,分别对基本蚁群算法、改进的算法进行仿真分析和比较,验证了改进的蚁群算法的适用性,改进后的算法具有相对最短路径长度和相对最快收敛速度,充分体现了算法的全局搜索和快速收敛性。通过仿真分析表明了改进的蚁群算法的可行性及其优势。