近年来,随着自主水下航行器（Autonomous Underwater Vehicles,AUV）的发展,水下声学目标探测已成为其主要应用之一。相比于单AUV探测,多AUV构成的集群不仅拥有较强的容错能力,还能提高任务作战的效能。考虑到海洋环境复杂多变,声呐探测性能依赖于海洋环境影响,将海洋环境信息有效应用于AUV路径规划及声呐处理以提高探测效益/AUV自身隐蔽性,已成为近年来水声工程研究的重点和难点问题之一。本文针对基于海洋环境的多AUV协同探测问题,开展路径规划技术研究,具体研究内容如下。首先,根据目标探测任务不同类型和需求,将问题分为区域覆盖问题和目标搜索问题两类。本文先针对区域最大覆盖问题进行研究,利用环境信息对区域内不同位置处的节点探测能力进行分析,对节点各个方向进行声场构建,通过声呐方程将传播损失转换为检测概率,根据检测指标设定检测概率阈值获取相应节点的探测半径。利用探测半径信息,设计一种基于蚁群算法的多AUV路径规划方法,其中引入了A*算法使蚂蚁在寻路过程中避免陷入局部极值点,以实现在有限作业时间内多AUV区域覆盖面积最大化的需求。通过南海海域环境场同化数据进行仿真,仿真结果显示算法可根据规划时间、AUV数量以及起始点位置调整路径,实现基于节点探测能力的最优化路径规划,并验证了算法在多个场景下的性能。其次,针对目标状态未知的移动目标搜索问题,采用隐马尔可夫模型对问题进行建模,并将海洋环境信息对声呐探测的影响加入模型。设计了一种基于遗传算法的多AUV协同目标搜索规划方法,遗传算法是从解的串集进行搜索,在解决多AUV作业以及环境信息时变的规划问题上拥有较好的效果。通过南海海域环境场同化数据进行仿真,并采用易陷入局部最优解的场景对算法进行测试,验证了算法在解决多AUV目标搜索问题上具有较强的全局搜索能力。最后,针对目标发现后的AUV机动策略问题,提出了一种基于目标源声场分布的AUV优化探测/隐蔽路径规划方法。该路径规划策略在发现目标后,由一台AUV进行跟踪以提供目标位置信息,其他AUV进行隐蔽路径规划。通过对目标声源进行声场构建,分析AUV和目标所在空间中各位置处的探测概率以及被探测概率,在此基础上设计了一种基于蚁群算法的优化探测/隐蔽路径规划方法,根据声场复杂且分布不均匀的特点,在蚁群算法信息素更新规则中引入奖惩因子,以提高算法的全局收敛能力。仿真中首先在二维、三维场景下验证算法的有效性,最后在三维的基础上加入时间维度的变化,进行四维路径规划仿真验证。