随着科技的发展,人类越来越重视海洋资源的探索。自主式水下航行器作为一种智能机器人,能够根据预先设定好的指令自主地完成各种各样的任务。它的出现,使得人类探索海洋资源的能力得到进一步加强。自主式水下航行器通常具备一定程度的路径规划能力,为了增强它的自治能力,路径规划算法的研究就显得相当重要。路径规划算法是指在给定的环境中,根据给定的起点和终点寻找一条符合多种指标的路径。这些指标通常包括路径的安全性、平滑性和能量消耗程度。海洋中水下环境通常比较复杂,尤其是靠近海底的区域,海床地形十分复杂。此外,水下大型生物以及洋流的作用为自主式水下航行器的正常巡航带来一定影响。同时,也为自主式水下航行器的路径规划算法的设计带来挑战。由于近些年来进化算法在各类规划问题中发挥了重要作用,本文将研究使用进化算法来处理自主式水下航行器的路径规划问题。重点是基于进化算法中的分布估计算法,分别对静态环境的路径规划算法和动态环境的路径规划算法进行研究。在静态方面,本文提出一种基于分布估计算法的三维静态环境中的路径规划算法。为了提高算法的精度与求解速度,本文提出一种搜索区间自适应收缩的策略。此外,本文采用一种周期性扰动策略为种群带来多样性,以防止算法过早收敛。实验结果表明该算法比其他进化算法有更好的性能。在动态方面,为了进一步研究自主式水下航行器的路径规划算法,使其更加符合实际应用需求,本文提出一种同时适用于二维和三维动态环境的路径规划算法。在该算法中,本文提出一种学习策略,使种群中的个体能够向最优个体学习,从而提高算法求解问题的精度。此外,本文提出一种平滑操作,能够周期性地修正种群中的个体,从而加快算法找到合理路径。最后,为了应对不断变化的环境因素,本文引入一种规划窗口,使得当环境发生变化时,只在当前规划窗口内求解最新路径,从而在一定程度上减少时间消耗,使算法能够更好地处理环境的变化。而本文所设计的一系列的实验也验证该算法能够有效地处理动态二维环境和动态三维环境中的自主式水下潜水器的路径规划问题,并且比传统算法效果要好。