优化技术是一种以数学为基础,用于求解各种工程问题优化解的应用技术。在系统控制、车辆调度、生产调度、复杂信息系统及电子商务中的物流配送等领域有着广泛的应用。移动机器人的路径规划是一种比较典型的优化问题,本身具有复杂性、约束性、非线性、建模规范等特点,因此,通过研究此问题,探索与改进一种适合于大规模并行且具有智能特征的路径优化算法成为一个可行的研究方向。目前,已经存在很多优化算法来解决机器人路径规划问题,但很多的算法都存在一定的局限性。而新型的蚁群算法具有正反馈性、灵活性和协同性等特点,顺应路径规划算法的研究现状和向智能化、仿生化发展的趋势。因此,本文研究了基于改进的蚁群算法的机器人路径规划问题,具体来说,主要在以下方面进行了研究工作:1.利用栅格法建立环境模型,为蚁群算法的路径搜索提供一个物理环境的抽象空间;2.在分析蚁群算法的优势与不足的情况下,对蚁群算法做出2点改进:改进信息素更新策略,信息素全局更新和局部更新结合,加强迭代最优蚂蚁的信息素强度;融入遗传算法的交叉、变异操作,加快算法的收敛;3.利用马尔科夫过程分析蚁群算法的收敛性;4.利用Matlab数值分析工具进行仿真,通过仿真实验证实该改进算法具有实现简单、效率较高、健壮性强等特点。