移动机器人是提高生产力,解放劳动力,提高人们生活水平的重要手段,因此如何最大限度赋予移动机器人智能,实现自主导航与控制,深受国内外研究人员的关注。路径规划作为移动机器人自主导航的关键技术之一,已经成为目前国内外研究的一大热点。蚁群算法自提出以来在解决路径规划问题上取得了大量研究成果,本文主要研究基于蚁群算法的机器人路径规划问题。本文从信息素更新方式的角度分析四种经典改进蚁群算法同AS算法的异同,还分析了蚁群算法各参数,主要包括基本参数,启发式信息以及信息素更新相关参数之间的关系,通过分析得出,启发式函数的构造以及信息素的更新对提高算法性能有重要作用。具体工作如下:首先,针对传统蚁群算法易陷入局部最优以及收敛速度慢等问题,提出引入方向信息的改进蚁群算法,具体的改进是基于ACS算法和A*算法,搜索前期不引入方向信息,以保证解的多样性,在路径后程将目标点信息引入到ACS的启发函数中,并通过动态变化的权重系数调整目标点信息对蚂蚁行动影响作用的大小。仿真实验表明,改进算法不仅加快了收敛速度,还能在一定程度上提升解的质量。其次,本文提出基于启发式函数的构造及信息素更新的启发式机制蚁群算法。针对起点或终点处存在凹型障碍物算法会陷入局部最优的问题,基于ACS算法提出两个方面的改进,在启发式构造方面,将当前节点的候选节点到终点的距离依次排序以分配权重,即下一节点距离终点越近分配权值越大,反之,则分配其的权值越小。在信息素更新方面,出现以下两种情形时引入惩罚函数,一是出现蚂蚁无法到达终点的情形,即蚂蚁进入死亡状态,二是当前最优路径的长度连续10代没有改变。实验结果表明,基于启发式机制的改进算法在收敛速度和解的质量方面有着良好性能,不仅可以用于普遍的障碍物环境,还可用于特殊的障碍物环境,适用性比较好。最后,提出改进的双种群蚁群算法及其在机器人路径规划上的具体应用。在启发式函数构造方面还是通过计算每个节点在各个方向上与目标点的距离,再进行运行方向判断;在信息素更新方面,设置信息交互条件,满足设置条件时交换两个种群的信息素。改进的双蚁群算法算法主要就是解决大规模环境下的路径规划问题,大规模地图获取途径是将激光传感器扫描到pgm格式的地图转化成栅格地图,转化后栅格图规模为354×354。借助Gazebo仿真平台,在仿真环境中模拟机器人路径规划的情形,键盘控制机器人完成扫图工作保存地图,调用地图设置起点和终点,验证机器人路径规划的仿真效果。通过操作Turtle Bot2机器人,验证机器人实际的路径规划情况。