随着社会生产力的逐步提高,移动机器人在各个领域都发挥出巨大作用,其中路径规划是移动机器人的重要技术之一。蚁群算法作为经典的群智能算法,早期被应用于解决旅行商问题,随后逐渐用来解决各种最优化问题(包括机器人路径规划问题等)。本文主要研究了蚁群算法的理论及应用,先用旅行商问题探讨了算法的性能,然后用机器人路径规划问题探讨了算法的可行性。本文研究内容如下:首先,针对提高多样性方面进行了单种群算法的改良,提出一种动态调度策略与竞争机制融合的蚁群算法。在蚂蚁选择路径的过程中构建调度策略,设置调度算子实时监测路径上的蚂蚁数变化,并根据迭代次数动态调整蚂蚁探索路径的方向;然后利用子种群竞争机制,对竞争优胜子种群给予信息素激励,对竞争失败子种群实行跟随策略,引导向优势发展,从而加快种群的收敛速度,最后通过求解不同规模的旅行商问题验证算法的有效性。针对单种群算法在解决大规模旅行商问题时容易出现收敛速度慢,求解精度低的问题,本文又提出改进的多种群蚁群算法。首先,为弥补单种群蚁群算法易陷入局部最优的不足,将布谷鸟算法与蚁群算法融合,提出一种基于布谷鸟与蚁群的交互寻优算法。先使用蚁群算法进行第一轮寻优,依据蚁群算法的寻优信息,利用改进的布谷鸟算法进行第二轮寻优,进一步优化最优解。其次,利用小生境技术,提出一种动态进化与交互学习机制融合的蚁群算法。基于小生境的思想,建立种群的动态进化模型,利用佳点集理论初始化种群,并在种群间建立交互学习机制,保证种群交流效率最大化。进一步,受到人工鱼群算法的启发,提出一种基于拥挤度和协同进化机制的蚁群算法,在路径构建函数中引入人工鱼群算法中的拥挤度因子,控制选择路径的蚂蚁数量,在收敛速度与多样性方面找到一种平衡,并建立协同进化机制,将多种群寻优信息进行交流分享,提高种群的求解效率。实验结果表明,本文提出的算法能以较高效率寻优。最后,在上述理论分析的基础上,将本文提出的算法应用于机器人路径规划问题中。针对不同类型的栅格地图进行仿真实验,分析算法的稳定性;通过构建真实环境地图验证算法的有效性。实验结果表明,本文提出的改进算法能有效解决机器人路径规划问题,且稳定性较高。