为了提高机器人在全局静态环境下路径规划的速度,本文提出了一种基于改进蛙跳算法的机器人路径规划算法。算法中,青蛙以随机方式和启发方式两种策略从可选栅格集中选择栅格。子蛙群进行更新时,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格更新路径。为了进一步提高搜索速度,算法中引入评分法,只对得分小于阈值的青蛙进行更新,同时采用双种群双向搜索的方法。大量仿真实验结果表明,该算法具有较高的收敛速度和较强的环境适应能力,可在复杂的静态障碍环境中,迅速规划出一条安全避碰的优化路径。同时,为了提高机器人路径规划的收敛速度、环境适应能力,提出了一种基于多人工鱼群的机器人路径规划算法,该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行为作为默认行为,在一定条件下执行聚群或追尾动作,在当前视野域内搜索最优节点,也采用双向搜索机制,从而在静态环境下规划出较优路径。大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力。为解决动态环境下的避碰问题,提出了基于避碰规则库的动态避障算法。在获得全局最优路径的基础上,将动态避碰策略抽象成简单的规则,并建立规则库,机器人根据动态障碍信息,查询该规则库直接获得避碰方法,从而实现与动态障碍的避碰。大量仿真实验结果表明,该方法能在安全避碰的同时迅速规划出一条优化路径。最后为验证算法的实用性,在真实机器人上进行大量的实验,并提出了控制机器人行走的时间间隔策略等,取得了较好效果。