机器人技术的迅猛发展,促使机器人逐渐走进了人们的生活,人类的生活已经有了质的飞跃,人们的生活从最原始的手工化、到机械化,再到现在的智能化,移动机器人更是得到了广泛的关注,定位、导航及路径规划也是移动机器人需要解决问题的关键之一。至今已有很多智能算法用于解决移动机器人路径规划问题,但是传统算法在栅格环境下进行路径规划时存在搜索路径长、搜索速度慢等问题,且难以在动态环境下实时避障。因此,针对这些问题,本文做了改进生物地理学优化算法(Biogeography Based Optimization,BBO)的移动机器人路径规划方法。本文首先验证BBO算法解决机器人路径规划问题的有效性,在MATLAB进行实验仿真,并且针对TSP问题,与遗传、粒子群和模拟退火算法进行实验结果对比分析,验证BBO算法的鲁棒性与有效性。其次,本文针对已知静态障碍物环境下,在BBO算法中引入简化因子,能够减少机器人路径规划中的冗余节点和路径中的转折次数,有效地缩短路径长度。引入中点平滑机制,能够使规划出来的机器人路径更加平滑,减少机器人在移动中产生不必要的能量损失,并且缩短路径长度。引入多步长搜索机制能够扩展机器人的搜索范围,提高搜索效率。将改进的BBO算法应用于机器人路径规划,仿真实验结果表明:改进后的算法能有效降低规划路径长度、提升搜索效率、减少转折角度,提高了移动机器人路径规划性能。最后,针对动态环境下机器人路径规划问题,设计了划分区域、固定时间步长的改进BBO优化算法,将动态环境划分为多个子区域,和固定机器人的移动步长来进行动态环境变化,能够有效解决动态环境下的机器人路径规划。在综合考虑移动机器人在未知动态路径规划中时效性、路径距离和规划时间等多个指标,设计了自适应变步长的移动机器人路径规划算法,机器人根据周边环境选择可变步长的局部路径规划,仿真实验结果表明:在未知环境路径规划中,改进后的算法在搜索距离,搜索时间,以及动态避障,都有了进一步的优化,并能够有效地完成路径规划。