近些年来,服务机器人技术的快速发展和进步,极大的方便了人们的生活和企业的生产。绝大多数服务机器人需要移动功能,因此解决机器人移动问题的路径规划技术是服务机器人的重要研究领域之一。学者们先后提出了许多智能算法用于解决移动机器人路径规划问题,其中包括蚁群算法。蚁群算法是上世纪90年代提出的一种仿生智能算法,算法最初被应用于解决旅行商问题,随着算法性能的不断提高,蚁群算法被应用于更多组合优化问题,如移动机器人路径规划。移动机器人路径规划是指机器人在给定环境中找到一条从起始点到目标点的安全无碰撞的最优路径。蚁群算法虽然能够解决TSP问题和机器人路径规划问题,但仍存在容易陷入局部最优、收敛速度慢和多样性较差等不足。本文针对这些不足做了如下工作。首先,针对最大最小蚂蚁算法(MMAS)虽然在AS的基础上进行了重大改进,但算法仍存在容易陷入局部最优,进入迭代停滞状态的问题,本文提出了一种新的基于协同搜索的多组蚁群算法,该算法引入了多个蚂蚁群组机制,当算法陷入局部最优时创建新的蚂蚁群组来替代之前的群组重新开始迭代,并对信息素进行了调整和限制,有效改善了MMAS容易陷入停滞状态的缺陷,保证了算法的多样性,并且尽量不增加算法的时间复杂度。文章给出了的改进算法与MMAS在TSP问题下的比较实验,实验结果证明了该方法的有效性。其次,对于蚁群算法以及很多其他算法,平衡算法的多样性和收敛速度是算法研究的重要方面,本文针对蚁群系统算法(ACS)在解决机器人路径规划问题时容易陷入局部最优、收敛速度慢等问题,提出了一种基于动态启发算子的双种群蚁群算法。该算法根据已有路径得到动态随机启发函数,可以有效避免算法陷入局部最优;其次引入新种群并且通过共享信息素实现种群间的交互,调整两种群参数,加快算法收敛速度。本文给出的机器人路径规划仿真实验较明显展示了改进算法的有效性。本文还介绍了应用于服务的机器人操作平台的特点以及它所提供的工具,并且详细介绍了操作平台架构,描述了一个移动机器人在给定场景中能够完成自主定位和导航,避开障碍物到达指定的目标位置的导航建图算法。最后,为了验证本文第四章提出的改进算法能否应用于真实环境下的机器人路径规划,我们在ROS平台上进行了2D机器人模拟器的机器人导航建图仿真实验和真实地图环境下的机器人导航建图实验。