现如今,随着现代化技术的逐步深入发展与日益广泛普及,人们对智能算法的研究日趋明显,机器人路径规划作为智能领域中不可或缺的元素,也受到了国内外学者越来越多的关注。由于机器人研究领域的复杂性与特殊性,移动机器人的精密结构与人类有所区别,甚至每完成一个细小动作都会产生巨大的运算工作量,而且机器人在现实中的工作环境相对复杂,且存在许多不确定因素,因此智能算法中移动机器人的动态路径规划的优化问题是一个非常重要且具有挑战性的问题。因此,为了提高路径规划效率,有必要对机器人动态路径规划方法进行探讨,进而全面提升路径规划效率。本文主要完成了以下工作:首先,对路径规划的相关理论技术与常用算法展开详细介绍,对目前基本人工鱼群算法存在的各方面优点与缺点展开具体详细的分析,尝试改进其存在的某些不足之处。其次,在全局静态路径规划中,为了提高路径集合的寻优质量和收敛速度,本文进行了算法优化,优化策略包括食物浓度重新定义、鱼群行为重新规划和引入最优可行域的策略,避免了算法局部最优情况的出现并改善了路径寻优质量。改进后的基本人工鱼群算法对搜索寻优路径质量起到有效提高,而且在一定程度上提升了算法的收敛性能。最后,为了更真实的模拟机器人实际工作环境,本文进一步研究了移动机器人在动态环境下躲避障碍物的路径规划情况。算法在动态路径规划的基础上,提出鱼群动态避障时的原地停滞等待策略和后退重规划策略,进而能够有效躲避障碍物,完成路径搜索规划任务。但通过仿真结果可以看出,本算法在路径寻优效率和质量方面还有待提高。