路径规划是机器人导航的关键技术,本文选取蘑菇繁殖算法（Mushroom reproduction optimizaion,MRO）进行路径规划,针对蘑菇繁殖算法存在的容易陷入局部最优、收敛精度低等问题,本文对蘑菇繁殖算法进行优化,并从多个测试函数上进行测试,验证改进算法的性能;利用蘑菇繁殖算法解决机器人路径规划问题,通过调研传统蘑菇繁殖算法和的思想和原理,以及各种群智能算法在机器人路径规划上的应用以及机器人路径规划问题,提出基于混沌映射和莱维飞行的蘑菇繁殖算法的机器人路径规划,并在三种不同的测试环境中进行实验,验证改进蘑菇繁殖算法在路径规划中的性能。具体研究内容如下:（1）在基本的蘑菇繁殖算法的基础上提出基于混沌映射和莱维飞行的蘑菇繁殖算法来改善算法全局搜索能力差,易陷入局部最优的缺点。该算法相较于MRO做了四点改进。首先引入混沌初始化机制,增加初始种群的遍历性;其次采用莱维飞行机制,在每次迭代结束后对群体进行莱维飞行策略,并采用贪婪选择机制,使得算法具有跳出局部最优的能力;然后采用非线性因子机制,使得人工风判定因子具有非线性变化特性,提高算法前期的全局能力;最后,采用混沌权重机制,提高算法后期的局部搜索能力。通过在12个测试函数上进行测试,验证所提出方法的优越性。（2）针对蘑菇繁殖算法在解决机器人路径规划问题时存在的容易陷入局部最优、不稳定、收敛性慢等不足,提出新的改进蘑菇繁殖算法的路径规划方法,此方法对基本蘑菇繁殖算法的改进采用（1）中的混沌映射、莱维飞行以及非线性因子的思想,不同的是在陷入局部最优后才使用莱维飞行策略,相当于在陷入局部最优时给予扰动信息,同时,针对路径规划问题,将群体初始化的位置缩小。然后把路径规划问题转化为改进的蘑菇繁殖算法优化非线性插值控制点的问题以减小问题的维度。仿真结果表明所提出的方法具有较快的收敛速度,较好的稳定性,较高的精度,一定程度上可以避免局部最优,所得路径平滑且更短。