在机器人研究学习中,导航技术是移动机器人研究的基础,而路径规划又是导航技术的基础。所以,研究移动机器人路径规划技术,提高移动机器人的环境适应性,对机器人导航能力的提升具有重要意义。移动机器人在未知环境下的路径规划,缺乏经验知识,这就要求机器人在路径规划过程中要不断学习,积累经验,提高寻优能力。本文在强化学习的基础上,把Q学习作为主要的移动机器人路径规划算法,并针对Q学习过程中探索与利用的平衡问题,奖惩函数的设计问题和连续状态空间的泛化问题,设计了相应的解决方案。为解决机器人在Q学习过程中探索与利用的平衡问题和影响算法收敛速度的奖惩函数设计问题,利用了基于行为分解的模拟退火-Q学习路径规划算法。奖惩函数设计为基于行为分解的非均匀奖惩函数,即把奖惩函数设计为避障奖惩函数和导向奖惩函数加权和的形式,为解决学习过程中的探索与利用的平衡问题,设计了基于模拟退火算法的动作选择策略。基于模糊控制的SA-Q学习路径规划算法很好的改善了连续状态空间的泛化问题。利用模糊控制算法对复杂环境下连续状态进行泛化,并通过模糊推理得出输出动作,通过更新q值函数的形式来更新模糊规则库。在路径规划设计中,引进了针对奖惩函数和模拟退火算法的改进方案。最后,通过MATLAB进行仿真实验,证明了算法的有效性。