自从20世纪60年代机器人兴起以来,人们就对其产生了浓厚的兴趣,对机器人的研究也不断深入。机器人技术对推动人类社会发展和解放人类的劳动力具有重要意义。随着现代科技和智能水平的不断发展,机器人的应用可以说渗透到了社会生活的各个方面,特别是航天、深海探测和服务型机器人的发展更是达到了前所未有的新高度。因此人们也更加关注机器人的性能,如安全性、稳定性、智能化水平、工作效率等等。首先,本文对移动机器人路径规划的意义、路径规划的背景和应用领域以及国内外的研究现状和机器人发展水平进行了介绍。对蚁群算法移动机器人路径规划的来源和原理进行了剖析,建立了数学模型,对基于蚁群算法的移动机器人路径规划中涉及到的评价指标和算法的优缺点进行了阐述。建立了路径规划环境空间模型,定义和描述了算法中涉及到的具体量,对算法自身的缺陷进行了改进,对搜索策略的不足之处采取回退策略进行弥补,对传统蚁群算法和改进后的蚁群算法进行了仿真实验并对实验结果进行了分析。通过对蚂蚁觅食行为的观察和研究提炼出来的蚁群算法在移动机器人路径规划中有着很好的应用。以经过刀个城市的TSP问题为模型对实际蚁群的行为进行了模拟,得出蚁群算法的路径选择概率模型。对影响路径概率选择的启发因子α、β以及信息素浓度挥发系数ρ分别进行了实验研究,选取其最优值。采用自适应蚁群算法对TSP问题进行仿真实验并对结果进行了对比分析。最后采用自适应蚁群算法对移动机器人的路径进行了规划。通过与遗传算法结合来避免传统蚁群算法陷入局部最优值,结合离子群算法对参数进行了优化和筛选,提高算法的自适应度。对最短路径、收敛速度以及全局路径图进行仿真实验,通过改变信息素浓度的放大倍数和路径上障碍物的位置来进一步验证自适应蚁群算法的有效性,试验结果都表明自适应蚁群算法优于传统蚁群算法。