近年来,随着网购行业的迅猛发展以及智慧物流的应用,移动机器人行业随之发展。据不完全统计,截至2018年国内生产移动机器人的企业超过120万家。机器人在各个邻域的广泛应用,机器人的路径规划问题也成为国内外学者关注的热点。在如今的互联网大环境下,机器智能、群体智能等相互辅助,形成了多方融合的群智空间。目前,基于群体智能的机器人路径规划问题仍然存在着受环境模型及准确度影响较大、规避障碍物等难题。人工蜂群算法是近些年群体智能领域发展起来的模仿蜜蜂采蜜行为的一种优化算法,一是操作简单、易于实现,二是控制参数少,三是有良好的搜索特性,人工蜂群算法在实际应用中展示了其高效性和实用性。本文首先研究了人工蜂群算法在国内外的发展现状,分析了人工蜂群算法的思想和原理,总结了不足及可能发展的方向;其次,结合聚类算法思想及在邻域搜索时的动态步长,本文提出了基于K-MEANS算法和邻域动态搜索的改进人工蜂群算法(KD-ABC),并通过实验仿真验证了 KD-ABC算法的有效性;最后将改进的人工蜂群算法KD-ABC应用到机器人路径规划研究中,通过对物理空间进行环境建模,本文利用KD-ABC算法规划出最优路径,一定程度上验证了该改进算法的可行性。