智能移动机器人集中了多学科的研究成果和研究技术,是当今机械、电气、人工智能一体化的重要代表成就之一。蚁群算法是一种新型的用于求解组合优化问题的启发式仿生算法,被广泛应用于移动机器人路径规划中。本文首先介绍了移动机器人产生的背景和发展状况,并对移动机器人的典型路径规划算法、决策系统、机器学习和运动控制等进行了介绍,随后对蚁群算法——这种新型的仿生算法的产生、机理进行了介绍；并对蚁群算法的参数(α参数、p参数、ρ参数)变化对蚁群算法性能的影响进行了仿真研究,确定了最优参数选择范围。通过对两种比较典型的改进的蚁群算法的介绍,借鉴快速扩展树双向搜索的特点,在对蚁群算法(ACO)的机能、参数等研究基础上,提出了一种改进的双向蚁群算法(BACO)。仿真表明,双向蚁群算法较大提升了蚁群算法的性能。针对路径长度相同的情况下,由于加减速的存在,曲线路径耗费的能量要大于直线路径耗费的能量的问题,通过引入模糊算法对蚁群算法进行改进,提出了最小能量蚁群算法(MEACO)。仿真结果表明,改进后的蚁群算法可以有效减少行进过程中的能量消耗。