当代高新科技快速发展,机器人技术创新已逐渐成为学术领域的重要研究趋势,机器人可以代替人类完成特殊环境下的工作内容,有效降低劳动强度,减少误差率。路径规划问题是移动机器人控制领域的重点研究内容,其研究目标是根据机器人所处的工作运动环境信息,寻找到一条或若干条从起始点到终止点的距离较短、安全且较平滑的路径。目前应用于解决路径规划问题的算法主要包括传统算法与群智能优化算法两大类。不同算法各具优势,但也存在着各种不足。本文将传统算法中的人工势场法加入到果蝇优化算法中,使两种算法优势互补,解决静态环境与动态环境中的机器人路径规划问题,主要的研究内容如下:(1)搜索步长决定着算法的搜索效率与收敛速度,传统果蝇优化算法中搜索步长为预设的固定值,由于没有对环境信息加以充分的利用,导致算法在较为空旷的局部环境中进行多次不必要的搜索而在障碍物密集区种群会产生大量不合法个体,针对这种现象,本文提出了一种由环境信息决定的自适应搜索步长。根据已知的障碍物信息,每次搜索时,果蝇种群实时调整步长大小。自适应步长不但可以有效克服固定步长给算法造成的缺陷,而且赋予了算法更高的避障能力。在仿真实验中,对比了两种步长的算法绕过不同大小障碍物所需的迭代次数,从结果上看,加入自适应步长的算法迭代次数减少了近50%。(2)果蝇算法中设置气味浓度判定函数评价种群中个体的优劣,气味浓度判定函数直接影响着最终路径的安全性与长度。传统果蝇算法中气味浓度判定函数单纯依赖个体到终点的距离,没有考虑个体的安全性,导致路径与障碍物发生接触,仿真实验中将机器人抽象为质点,最终搜索到的路径虽然是合法路径,但实际环境中机器人有一定的大小和形状,因此与障碍物发生接触的路径不利于机器人的安全移动。本文使用个体到障碍物的距离评价个体的安全性,距离越远表明个体的安全性越高,将安全性因素和距离因素的凸组合作为气味浓度判定函数,其中凸组合的系数由果蝇种群所处的局部环境决定。(3)修正过程是算法对搜索到的路径进行适当的调整以达到提高路径整体质量的目的。本文提出一种改进的人工势场法作为修正手段,提前设置安全性标准,当路径与障碍物的距离小于该值时对路径进行修正。为了克服人工势场法的锁死现象,除了计算引力和斥力外,加入了一种由其它个体产生的拉力,拉力的大小取决于该个体的气味浓度值,浓度值越高,路径朝该个体的修正力度越大,最终利用三者的合力对种群位置进行实时修正。通过仿真实验分析算法中主要参数对最终路径的影响确定参数的最佳选择。最后,对所提算法在静态与动态环境下进行路径规划测试并将部分实验结果与蚁群算法、粒子群算法、进化规划算法进行对比,验证所提算法的有效性与优越性。