路径规划是移动机器人导航系统中最重要的任务之一。地图已知的全局路径规划是机器人路径规划中比较基础的课题，目前虽然已存在许多优化算法用来解决该问题，但这些算法存都存在一定局限性，如当算法的约束条件较多时，很难求解复杂环境的路径规划问题等。群集智能算法是一种概率搜索算法，它没有集中控制约束条件，不会因为个别个体的故障影响整个问题的求解，具有较强的鲁棒性，所以在机器人全局路径规划应用中具有较显著的优点。本文根据机器人路径规划算法的研究现状和向智能化、仿生化的发展趋势，研究基于群集智能(SWARM Intelligence)的机器人全局路径规划方法。 本文包括三方面的研究，首先开展群集智能算法在规划问题算法中的应用研究，并分析群集智能算法的参数选择和算法的收敛性，提出算法中存在的算法停滞问题以及收敛速度和全局搜索能力这对矛盾；其次研究地图建模和路径编码问题，将群集智能算法结合地图建模和路径编码问题进行分析；最后基于不同地图建模方法下对两大群集智能算法的蚁群算法和粒子群算法进行比较，并展开了将地图建模和规划算法系统结合的讨论。 本文的研究的主要成果和创新点是：1)针对蚁群算法路径规划提出信息素限定和自适应信息素挥发系数两种改进方法，从而消除算法停滞现象；2)针对粒了群算法路径规划提出自适应惯性因了的改进方法，使算法在早期有较强全局搜索能力，后期加快的收敛速度；3)分析传统的地图建模方法在群集智能算法应用时的局限性，提出一种基于坐标变换后的栅格地图建模新方法，使算法能满足运算速度快和精度高的要求；4)基于算法比较总结出两大群智能算法的适用范围，蚁群算法适用于离散路径规划，粒予群算法的适用于连续路径规划；5)将改进地图建模和算法改进结合运用，使改进后的算法克服算法停滞现象、满足运算速度快和精度高的要求。