随着人们生活水平的提高和电商行业的快速发展,人们更倾向于通过线上方式来购买商品。机器配送将逐步代替人力配送成为物流行业的主流发展趋势。物流机器人除了对通信模块、传感器模块等硬件设备具有较高要求外,路径规划算法也起着至关重要的作用,路径规划模块相当于物流机器人的大脑,它决定了整个配送过程的效率。因此,物流机器人路径规划的研究前景广阔,意义重大。针对研究内容,本文主要进行了以下方面的工作:（1）对多种环境建模方式进行介绍,通过分析各种建模的优缺点最终选用二维栅格地图对环境进行建模,并分析物流机器人运动学模型参数。对常见机器人路径规划算法进行介绍,包括全局路径规划算法以及局部路径规划算法,通过分析其原理,总结出他们的优缺点。（2）通过对物流机器人的实际工作环境进行环境建模并对传统A*算法进行仿真实验,得到传统A*算法搜索路径。针对传统A*算法存在搜索节点数目过多、转弯次数过多且所得路径中存在冗余节点等缺点,对传统A*算法提出了改进方案。通过对传统A*算法启发函数的计算方式进行改进,减少了算法搜索节点的数目;在计算总代价时,引入转弯惩罚项,从而避免搜索过程中出现大量转角,从而提升物流机器人的配送效率;在得到A*搜索路径后,通过删除冗余节点并对路径进行平滑处理,最终得到一条平滑路径。通过对比不同A*算法搜索路径参数指标,验证本文改进算法的优越性。（3）通过搭建二维栅格地图,并设定蚁群算法中的参数,对传统蚁群算法进行仿真。针对传统蚁群算法在搜索初期具有盲目性、算法收敛速度慢、易陷入局部最优解以及搜索路径不平滑等缺点,本文提出了改进蚁群算法,通过得到一组次优解作为蚁群算法的先验知识,解决传统算法运行初期求解的盲目性;引入转弯因子来改善搜索路径的平滑度;使用动态挥发因子避免算法陷入局部最优;最后通过贝塞尔曲线对所得路径进行平滑处理。使用仿真软件对比不同算法运行结果,比较路径规划参数,验证了本文改进算法的有效性。