随着海洋资源日趋得到关注,人们利用无人水下航行器(Unmanned Undersea Vehicle,UUV)完成海洋资源探索和开发的期望也日益高涨。同时,UUV作为一种海上力量倍增器,在水下侦察、水下通信和反潜、反水雷作战、信息作战等军事领域的应用也得到了空前发展。随着UUV向智能化、远航程方向发展,人们对UUV实现智能控制和自主导航提出了越来越高的要求。作为UUV自主导航系统中最重要的环节,UUV路径规划水平的高低,在一定程度上标志着UUV智能水平以及自主水平的高低,也是保证UUV安全可靠工作的关键。本文围绕蚁群算法在UUV路径规划中的应用展开研究。通过结合UUV应用背景,提出并基于改进蚁群算法,分别重点论述了UUV离线路径规划方法、UUV在线实时路径规划方法以及UUV完全遍历路径规划方法。最后通过仿真实验验证了本文改进蚁群算法以及UUV路径规划方法的有效性和可行性。本文主要研究成果和创新点为:针对已有蚁群算法求解速度较慢,算法易陷入局部极值等缺陷,本文结合UUV路径规划这个具体应用对象,对已有蚁群算法做了一些调整和改进,并将其应用于UUV离线路径规划中。仿真实验证明了本文改进算法具有更强的环境适应性和更高的收敛精度。通过结合改进蚁群算法和滚动窗口路径规划方法,提出了本文的UUV在线实时路径规划方法,其中着重解决了UUV躲避动态障碍物的问题。通过提出一种兼备全局路径规划与局部路径规划双重目的的权衡策略,既克服了全局规划不适应环境改变的缺陷,同时避免了完全依赖局部规划而忽视全局优化指标的现象。本文将蚁群算法与生物激励神经网路相融合,提出了新的UUV完全遍历路径规划方法。仿真实验证明了该方法覆盖率高,重复率小,复杂环境条件下适用性强的优点,满足了UUV用于某一特定区域遍历搜索的应用需求。通过大量仿真实验表明,本文所提出的UUV路径规划方法充分利用了改进蚁群算法全局寻优能力强和适应性强的优点,分别解决了UUV的三类路径规划问题,能够满足UUV路径规划的要求,对UUV的安全、经济航行具有重要的理论意义及应用价值。