移动机器人在宇宙探测、海洋开发、工厂自动化、排险、军事、服务等方面均有广泛的应用前景,其中,路径规划技术是移动机器人研究的核心内容之一,因此,进行路径规划方面的研究具有重要的应用价值,但也有很多需要解决的现实问题:第一,移动机器人被广泛应用于各种不同场景,使得对路径规划的研究也必须从已知静态环境延伸到了更加复杂的环境,在复杂环境中分析出一条安全有效的路径,是当前路径规划研究的热点问题;第二,现有的算法不适用于复杂环境下路径规划。于是本文在对这些算法的学习和改进的过程中,完成了复杂环境下的移动机器人路径规划实验,取得成果如下:1.针对TSP问题提出了一种基于萤火虫与遗传算法的混合算法。通过引入遗传算法中的交叉、变异、逆转操作对萤火虫算法进行改进,该方案在MATLAB中进行了仿真实验,结果表明这种混合算法既能弥补了遗传算法的随机性,又克服了萤火虫算法在收敛过程中可能出现的早熟现象,同时,增加了萤火虫算法的收敛速率。2.针对静态环境下路径规划问题,提出了改进型小生境萤火虫算法。首先,根据栅格地图的特点,将萤火虫算法的数学模型进行重新定义。其次,在萤火虫算法中引入小生境技术,通过小生境技术中的分享机制,加快了算法收敛速度。然后,考虑到实际机器人的大小,于是提出改进型小生境萤火虫算法,通过增加最优解的约束条件和设置安全距离约束条件,得到全局唯一最优路径。最后,该方案在MATLAB中进行了仿真实验,结果表明改进型小生境萤火虫算法具有极好的收敛性和可行性。3.针对复杂环境下路径规划问题,提出了基于改进型萤火虫算法和改进人工势场法的混合算法。首先,为了使人工势场法更适应有动态障碍物的环境,在传统斥力场函数基础上,为动态障碍物建立新的斥力场,通过动态障碍物对机器人的斥力作用,使得机器人能有效避开动态障碍物。其次,混合算法将用于全局路径规划的改进萤火虫算法和用于局部路径规划的改进人工势场法相结合,不仅解决了全局路径规划缺少实时性的问题,同时由于得到一条全局参考路径,在局部路径规划中减小了计算量。最后,通过仿真实验验证了该混合算法的可行性。4.针对移动机器人路径规划的实现进行研究。首先,移动机器人硬件平台的设计。其次,根据机器人运动学模型,采用非线性模型预测控制算法对路径进行跟踪,仿真实验表明非线性模型预测控制算法具有良好的跟踪效果。最后,在轮式机器人上完成路径规划与跟踪过程,实验结果表明本文提出的移动机器人路径规划方案是有效可行的。