随着人们对海洋资源的开发和利用,水下潜器发挥着越来越重要的作用,其中,路径规划技术是水下潜器智能航行的关键技术之一,关系到水下潜器智能水平的高低。本文主要通过改进粒子群优化算法,针对水下潜器三维环境路径规划问题进行研究。粒子群优化算法(简称PSO)源于对鸟群觅食系统的模拟,是最近几年兴起的一种新的智能优化算法。它具有结构简单、收敛速度快、易实现并且需要调整的参数少等特点,因而一经提出就成为智能优化与进化计算领域的一个新的研究热点和前沿,并且已得到广泛应用,其中,路径规划就是一个很重要的应用。然而,标准粒子群算法优化水下潜器的路径时并不能获得理想的结果。因此,通过对标准粒子群优化算法的优化机理进行分析研究,针对其在优化函数时存在的不足,提出了一种改进的粒子群优化算法,主要包括以下两点：1.将标准粒子群优化算法中的线性递减惯性权重调整为非线性递减；2.结合遗传算法的思想,提出一种基于种群共享极值的粒子群优化算法,重新定义了粒子群优化算法的速度更新公式。并将改进的粒子群优化算法与标准粒子群优化算法进行对比,通过仿真实验得出结论：改进的粒子群优化算法无论在收敛速度还是收敛精度上都要优于标准粒子群优化算法。对于智能水下潜器,最基本的要求是其必须能够根据已经获得的环境知识规划出一条可行路径。目前,研究者们提出了许多路径规划方法,但是大多数只适用于二维环境,因此,本文针对潜器在水下航行的实际海底三维环境,提出了基于改进粒子群优化算法的三维环境空间的路径规划算法。该算法通过几何模型确定路径安全与否,将路径规划问题转化为求解带有约束条件的优化问题。通过仿真实验表明：本文设计的三维空间路径规划方法充分利用了粒子群优化算法收敛速度快、寻优能力强的特点,很好地解决了三维空间环境下的潜器路径规划问题。