自动驾驶领域已经成为当前车辆出行行业最大的风口,对于自动驾驶而言,车辆移动最大的难点是利用人工智能自动寻找到达目的地的最优路径,其主要基于对路径的搜索,学术界对此进行了大量的研究。对于人工智能来说,机器学习占据着非常重要的作用,如果一个智能系统不具备学习能力,那么这个系统也就不属于真正意义上的智能系统。然而过去的智能系统,特别是导航系统是不具备学习能力的。导航系统增加学习能力的目的是让系统实现智能化,这对于目前存在的导航产品来说是提高技术含量的重要方式,无论是技术意义还是社会意义都很深远。本文首先介绍了于车辆导航系统的相关知识、国内外车辆路径规划的研究现状,列举了自动驾驶车辆常见的一些路径规划算法,用以解决从给定的起点到终点的最优路径规划,并提出了基于改进蚁群算法的车辆路径规划,利用栅格法建模,通过调整信息素启发因子和期望启发因子,自适应改变挥发系数,实现路径搜索的最优化。并且基于机器学习理论,其中将强化学习作为基础完成车辆路径规划,通过DQN算法思想训练神经网络,实现了对无人车端到端的路径规划。最后通过仿真实验,证明了改进后的蚁群算法与传统的蚁群算法进行路径规划相比,搜索效率大幅提升;而基于深度强化学习的车辆路径规划算法,通过实验证明了该算法用于解决车辆路径规划问题的可行性,为以后进一步的研究提供了思路。