随着社会生产需求的不断提高以及现代科技的高质量发展,移动机器人在军事应用、社会娱乐、医疗服务、制造工业、资源探索等重点发展行业起着极其关键的角色,极大地促进了人类社会的发展。路径规划是机器人导航中的核心技术之一,是保证机器人能够自主运动到所设定目的地的根本前提,其涉及传感器信息融合、智能算法及内部智能控制系统等多方面跨学科技术,即移动机器人在分布有各种静态或动态障碍物的规划区域中,能够根据某些特定的参考指标（如路径最短、路径平滑度最高、收敛性最好等）高效地搜索出一条从初始位置到所设定目的地的最佳或次佳路径,并保证在该路径上不存在任何类型的碰撞状况。由于蚁群算法（ACA）是一种具有良好的正反馈性、并行性、鲁棒性的仿生学算法,常常被用来处理某些特定领域的路径寻优问题。针对目前蚁群算法在求解路径规划问题时仍然具有路径拐点个数过多、收敛性差、规划路径过长等缺陷,提出了一种改进蚁群算法（IACA）,分别从静态和动态栅格区域下对移动机器人路径规划问题进行比较系统的理论分析与实验仿真研究,具体研究工作如下:（1）首先,本文对国内外移动机器人以及路径规划的发展状况进行了简要叙述,分析了目前比较流行的路径规划方法以及其优缺点,确定蚁群算法作为本课题的规划算法,并对蚁群算法的优化类型、数学模型、实现流程等方面进行了较系统的分析。对比当前应用于路径规划且相对典型的环境建模方法,根据其所存在的利弊来拟定栅格法为本论文的环境建模法,并对蚁群算法的参数选取对路径规划性能影响进行了仿真研究,由仿真结果来选取本文算法的最佳参数组合。（2）其次,针对单机器人静态路径规划问题,主要对基本蚁群算法的初始信息素区域分布、全局信息素更新原则、下一节点转移概率三个方面完成优化:将栅格环境模型划分3种不同搜索区域,运用数学模型按距离比值方法对初始信息素差异化分配,避免蚂蚁前期盲目性搜索;基于可选孙节点个数的区域安全信息和转角启发信息选择下一子节点,并构造目标性启发函数,有效减少蚂蚁陷入死锁次数,提高路径平滑性和目标导向性;利用“狼群分配策略”来改进信息素更新规则,改善最优或次优路径的迭代性。通过设置不同栅格规模以及障碍物覆盖率的仿真环境,仿真结果表明采用本文算法搜索出的路径更短、平滑度更高、迭代次数更少,具有较好的全局优化性。（3）再次,针对单机器人动态路径规划问题,分析了滚动窗口法的工作原理以及其在碰撞预测的应用,采用了一种叠加双层规划策略,即第一层应用本文改进蚁群算法规划出一条无碰撞的全局静态最优路径,第二层应用滚动窗口法来完成运动路线上所存在各种冲突的预测,并按照不同的预测结果来实施不同的局部避障策略,保证移动机器人在局部优化路径的过程中不发生任何碰撞,安全地避开规划区域内障碍物的干扰,实现了本章所提策略的预期性。（4）最后,针对多机器人动态路径规划问题,基于单机器人动态路径规划的理论条件,进一步讨论与分析了多机器人动态规划问题,并明确其对应的两个优化指标和全局总代价函数。在利用单机器人与动态障碍物的碰撞预测策略的基础上,采用了一种碰撞预测和协调规划的叠加避障策略,并借助机器人之间的信息交互来解决多机器人之间的各种路径冲突问题,从而完成多机器人之间的协调规划。最后设计相应的环境场景,结果表明了该叠加避障策略的可靠性。