随着人工智能的飞速发展,机器人技术逐渐成熟。机器人路径规划和多机器人编队的研究是当下机器人技术的两个热点,具有良好地发展潜力。现在很多领域都存在基于机器人的导航和协作,例如军事救援、航海勘察,家庭服务等诸多高科技领域。然而,大多数的工作仍着眼于环境信息已知,并且不存在动态障碍物环境下的全局路径规划问题,动态环境下机器人路径规划问题仍是一个亟待解决的难题。本文针对用于动态环境中的机器人路径规划的蚁群算法存在收敛速度慢、路径累计转折角大、对环境变化适应性低等问题,提出了基于蚁群-聚类算法的自适应动态路径规划方法、多机器人自主路径规划算法及其在航海领域的应用。论文的主要工作包括:1.提出了一种未知环境下的蚁群-聚类自适应动态路径规划方法。依据聚类算法对环境复杂程度的准确判别自动改变寻优半径,达到充分利用机器人有限的计算能力,提高收敛速度的目的;通过识别对角障碍,生成虚拟障碍,确保规划的路径不穿过对角障碍;最后,通过平滑机制对搜索的动态路径做平滑优化处理,有效的降低了路径长度,减少了累计转折角。仿真结果表明,提出的算法能够根据障碍的复杂程度自动选择合适的搜索半径,完成路径的动态规划,体现出良好的环境适应能力和较好的综合路径优化性能。2.研究了动态环境下多机器人三角形编队的路径规划问题。基于动态未知环境下单个机器人路径规划的研究成果,设计了多机器人三角队形的动态路径规划算法。针对第三章单机器人在局部搜索半径的选择,论文将聚类法和占空比方法用模糊机制结合起来,通过模糊化权值分配,使得算法能够更合理的选择局部搜索半径;多机器人之间协调策略采用领航跟随者法;最后仿真实验实现了多机器人群体在实时路径规划中的有效性和鲁棒性。3.适用于航海领域的自主路径规划算法设计。针对无人水面舰艇在动态环境中自主避碰的路径规划问题,提出了一种基于电子海图栅格化的基于蚁群-聚类的自主路径规划方法。采用S-57电子海图建立了海洋环境栅格化模型;然后根据无人水面舰艇的特性对算法进行改进,使得该方法能够适应海洋环境动态变化;与传统的全局路径规划方法相比,该方法能够在复杂多变的海洋环境进行动态路径规划,提高了无人舰艇的水面动态路径规划能力和行驶安全性。