随着信息技术的快速发展,移动机器人渐渐地走进我们的生活。移动机器人技术是融合了多种学术项目的精华而衍生出来的新型技术,它包含了多种学术项目的发展历程,也包含了大量的新型科技,是当前科学探索中的重中之重。并且随着一些工科学科的迅速发展,例如计算机技术、深度学习等学科,移动机器人也变的比之前更加智能化,操作起来也更加简单方便,因此,它也广泛应用于我们人类身边的各个行业之中。移动机器人技术中最为关键的是导航和控制技术,而完成导航和控制技术就必须以路径规划为基础。移动机器人在复杂的工作空间中完成一些研究项目,就必须规划出一条从始发点到终点的最短路径。而蚁群算法是群智能算法的一种,可以用来研究NP-Hard问题,对于求解大规模问题具有很好的适用性。本文决定将移动机器人的路径规划问题结合蚁群算法来得到它的最优路径。本文对移动机器人路径规划问题做了大量研究,主要包含以下几点:1.对移动机器人的发展历程进行了解,分析了移动机器人路径规划的背景、意义以及先前的研究方法,并且对这些方法进行了简单的对比。2.对传统ACO算法进行详细研究,简单对几种改进的蚁群算法做了分析。比如:Max-Min Ant 算法、Best-Worst Ant 算法、Rank-Based Version of Ant 算法,并分析了传统蚁群算法的优缺点。3.在解决移动机器人的路径规划的过程中,由于传统ACO算法存在不足,提出一种自适应蚁群算法来对移动机器人的路径规划进行调整。4.为了使蚂蚁在搜索过程中避免局部最优,本文在状态转移概率公式中引入权重因子,将路径长度考虑到概率公式中,这样做的目的主要是让蚂蚁在选择下一个栅格时可以减少搜索次数,同时增强蚂蚁向目标栅格方向的运动趋势,从而增强收敛速度。5.为了减少信息素含量对算法的影响,本文对信息素更新公式进行改进,在更新信息素时,让蚂蚁从前后两个方向对信息素进行更新,并且结合最大—最小蚂蚁算法,将信息素的浓度划分在[τmin,τmaxJ之间,使蚂蚁在选择路径时不受信息素含量的束缚,避免局部最优,并且改善了算法的执行效率。6.在对移动机器人运行空间进行构建时本文使用的是栅格法,并且在MATLAB(R2012a)下对算法进行模拟仿真。仿真结果表明,改进后的算法可以很好的完成移动机器人路径规划的任务,较快的找到最优路径,并且实验还分析了不同参数选取对实验结果的影响。通过与ACO算法优化性能指标、时间性能指标、鲁棒性能指标以及综合指标的对比,都说明改进后的算法在理论与实践方面都是有研究意义的。