路径规划是让目标对象在规定的区域中避开障碍物的同时尽可能的以最短路径从出发点到达目标点。在移动机器人所应用的各个行业中,大多都会应用到路径规划技术。而且随着机器人领域的发展,多机器人协同作业也逐渐的走上了舞台。对于多机器人的研究一般多侧重于队形保持与冲撞解决,工作环境中的路径规划也是多机器人执行任务必不可少的一环。本文就单机器人与多机器人在静态环境与动态环境下的路径规划进行研究,此外针对多机器人的队形保持做出研究,其主要内容如下:（1）首先介绍了基本蚁群算法的原理以及数学模型,并针对其数学模型进行收敛性分析,主要分析模型中各参数如启发函数重要因子等对于收敛性的影响,进而确定合适的参数范围。在此基础上,对基本蚁群算法做出仿真实验,针对可能出现的搜索时间长、收敛速度较慢的问题。对蚁群算法做出改进,为了突出局部最短路径在算法策略中的作用,对单次循环完成后信息素更新的机制做出改进,也就是将循环过程中路径的长度与信息素的更新结合起来,从而增强了算法的初始阶段的效率。并应用于单机器人静态全局环境的实验,从结果可以明显看出迭代次数明显减少,路径长度也有缩短;（2）在上一章的基础上,首先介绍了滚动窗口原理并对问题进行了分析,同时,将动态障碍物分成两种类型,并分别做出避碰状况分析与相应的策略处理,此外将局部信息搜索策略应用其中,实现局部路径规划。最后根据动态环境的路径规划步骤做出仿真实验,验证两种情况动态障碍物的不同算法策略的结果。（3）最后一部分主要内容是多移动机器人的路径规划,首先介绍了动态环境中多移动机器人在路径规划时需要考虑的问题以及针对可能出现的冲突做出分类,并给出解决策略。进一步针对解决策略以及前两章的内容总结出多机器人路径规划的步骤并应用于仿真环境,验证策略结果。此外,针对队形问题,介绍了几种智能群体控制方法,并做出融合,针对编队控制方法做出改进。同时为了保持队形稳定的效果,将惩罚函数融入到蚁群算法的信息素更新公式中提升效率,并通过仿真验证算法策略的有效性。