最短路径规划问题是一个经典的数学问题，广泛应用于多种与路径规划技术相关的领域。例如:科技领域中的无人驾驶汽车、无人机、智能机器人、巡航导弹打击目标与导弹防御系统;日常生活领域中的智能汽车导航、地理信息系统;决策调控领域中的物流规划领域边际问题和资源合理分配问题;通信技术领域中的路由规划问题等。随着人类社会的发展和科技的不断进步，社会近百年的科技成就大大超过了人类社会以往几千年的成就总和。现代城市规模之巨大，路网之复杂，处理的数据量也随之增加;例如:纽约市路网地图就包含了26万个节点，73万条边.面对大规模的路网数据量，传统的最短路径规划算法在求解时耗时较长，不能满足应用中的实时性要求。可重构处理器与GPP（General Purpose Processor,通用处理器）相比，可重构计算架构的数据并行性度高，数据处理能力强，它不依赖于指令流的数据处理方式，而是基于数据流的并行处理，在算法的合适映射下，可以充分挖掘路径规划算法并行度高的特点，发挥其并行处理的优势。它与ASIC(Application SpecificIntegrated Circuit，专用集成电路)相比，可重构处理器具有灵活多变的硬件架构，来适应软件层次上改变相关的运算，从而适应不同的算法。　　本文利用可重构技术的硬件架构，从经典的路径网络规划算法特点出发，得到可重构体系基本机构为阵列形式，再通过对经典算法的任务划分映射，得到相对应的数据流图和调度表。这样就实现了在可重构硬件阵列处理单元上对算法的映射实现，最后把优化后的算法在可重构硬件平台的执行，并对其性能进行验证。这样设计方式可实现对不同算法的硬件重复利用，而且其设计流程同样适用于其它的网图领域。主要内容包括：⑴提出基于可重构技术的路径规划算法加速处理方法;利用可重构硬件平台的动态可配置性与并行性，分别结合经典Dijkstra算法和TSP算法，得到了一种针对路径规划算法的新型加速处理方法。⑵在可重构硬件架构平台上完成了Dijkstra算法和TSP算法的实现和验证，与通用计算平台相比，分别获得了2.1倍与3.2倍的加速比。通过对经典Dijkstra和TSP算法的并行优化，分析其内部数据结构的依赖关系，划分成适合于可重构阵列上面执行的任务，可大大的降低了原算法的时间复杂度与空间复杂度，从而获得了一定的加速比。