自主式水下机器人（AUV）在海洋的勘探与开发、军事、科学研究等领域应用日益广泛。高质量的规划路径对AUV安全航行和成功完成任务起到了至关重要的作用。本文以AUV的路径规划问题为主线，分别从三维动态复杂水环境下路径规划、水下爬行机器人在2.5维复杂水底地表环境下的路径规划、AUV遍历多目标点路径规划等角度进行了深入的研究。主要研究内容和成果如下：　　首先介绍一种新的路径规划方法Fast Marching方法的基本原理、执行过程和计算方法，并分别在上位机和下位机上测试算法的执行时间。提出混合搜索Fast Marching（HSFM）算法，在不损失计算精度的前提下，提高了Fast Marching算法的实时性。针对AUV局部路径规划问题，在规划时考虑了AUV转弯半径和传感器精度引起的不确定性约束。　　提出一种新的路径规划算法各向异性Fast Marching（AFM）算法，用于解决受环境力限制下AUV的路径规划问题。首先通过各向异性迎风策略对距离函数的梯度值进行一阶数值近似；然后通过利用机器人速度曲线的特征线和梯度线的几何关系获得前向速度函数；最后根据距离函数梯度值和前向速度函数之间的关系求出节点的距离函数值。通过仿真实验证明了各向异性Fast Marching算法在各向异性的环境下可以生成一条平滑、连续、最优的路径。　　针对三维动态复杂水环境下AUV的运动规划问题，提出了一种多目标融合的路径规划方法。通过蒙特卡罗实验，评估了HSFM算法在动态复杂水环境下生成路径的代价和计算时间的统计特性。最后根据不同的任务要求使用HSFM算法对AUV执行任务的航路进行规划，评价结果表明该算法可以规划出满足任务要求的最优路径。　　将基于三角网格的Fast Marching（TFM）算法用于解决水下爬行机器人在2.5维复杂水底地表环境下的路径规划问题。在水下爬行机器人执行某个任务的运动规划时，考虑了地表特征因素和任务本身的要求的优化和限制。这些决策目标不仅对生成的路径曲线产生影响，而且还可以限定水下爬行机器人在恶劣地表上运动的极限速度。通过分别针对每个决策目标进行路径规划的仿真实验，验证了目标约束的华中科技大学博士学位论文　　合理性和算法的有效性。通过蒙特卡罗仿真实验，评估了该算法的实时性。　　针对AUV遍历多目标点执行任务的问题，提出Fast Marching&Branch and Bound（FM-BB）算法。在FM-BB算法中，分支定界法用于找出目标点的遍历次序，而Fast Marching方法在需要计算目标点对之间的最优路径时执行。针对对称、非对称和2.5维水下复杂地表环境下的多目标点路径规划问题，分别提出利用多向Fast Marching（MDFM）、AFM和TFM算法快速生成目标点对之间的连续最优路径解。大量的随机仿真实验证明了FM-BB算法的有效性、实时性和最优性。