针对动态环境下机器人路径规划研究更具有实际意义，本文利用粒子群优化算法(PSO)与人工势场法(APF)的混合优化策略，通过在栅格地图中实时动态更新环境信息，实现了动态环境中的路径规划任务。　　 混合优化策略是本文研究的基础理论。众多的优化算法在各种不同的适用领域内得到了很好的发展和应用，由于每一种算法都有各自的优缺点，如果使两种或两种以上的优化算法混合应用，这样就可以取长补短，使得优化结果更加合理；因为PSO在全局路径规划中可以方便规划出从起始点到目标点的离散路径，而APF在局部路径规划中比较简单实用，通过PSO和APF的结合，把全局路径规划与局部路径规划融合在一起，使得规划出的路径不仅仅可以避开动态障碍物，还可以使规划出的路径接近全局最优解。　　 由于APF规划出的路径容易产生振荡，本文提出用均值滤波算法去抖，即采用两步预测方法，预测机器人下两步是否产生振荡，如果产生振荡，就采用均值滤波算法去抖，否则，预测位置有效，机器人可以按照预测位置行进；在躲避动态障碍物的过程中，利用机载传感器探测障碍物信息，通过相邻时刻障碍信息判断障碍物状态，对于动态障碍物，利用自回归模型预测障碍物下一时刻位置，最后根据下一时刻全局位置信息进行机器人的当前路径规划，实现了动态规划向瞬时静态规划的转变。　　 文中进行了PSO与APF混合优化算法在栅格地图中仿真实验，结果表明，无论在静态环境还是在动态环境，本文算法都能规划出一条令人满意的平滑无碰撞路径，从而验证了本文规划策略的可行性与优越性。