近年来,随着机器人技术的不断创新,机器人的应用研究从传统的制造行业逐步向智能化产业发展,各种类型的机器人层出不穷。路径规划是机器人实现自主导航和智能化的基础,在实际复杂工作环境中,单一的路径规划算法难以同时兼顾搜寻路径最优性和实时性的要求,针对机器人工作在复杂多变的室内环境,本文以室内移动机器人AGV为研究对象,结合全局规划的最优性和局部规划的实时性,提出一种混合路径规划算法,以此解决复杂环境下的路径规划问题。主要研究内容如下:（1）针对传统蚁群算法在障碍物占比较多且不规则复杂环境下,全局路径搜索能力差、收敛速度慢、易陷入局部最优问题,对基本蚁群算法中的启发式函数、转移概率和信息素更新机制进行相应的改进,并通过Matlab仿真验证了改进算法在环境中存在不同障碍物占比下,优化最短路径12%以上,迭代次数55%以上,实现全局规划综合最优;（2）针对机器人行驶过程中遇到突现静态障碍物及动态障碍物,通过AGV自身携带传感器探测动态障碍物状态,采用优化的滚动窗口算法进行局部路径规划。首先通过启发式搜索策略选取当前滚动窗口内的子目标点,对于特殊障碍物环境如T型区、凹型区等采用角分线回退原则搜索子目标点。其次分析动态障碍物移动特点,预测控制理论划分碰撞类型,针对每个碰撞类型提出相应避碰策略,完成动态避碰;（3）针对复杂多变的室内环境,提出了基于改进的蚁群算法和滚动窗口法的混合路径规划算法。首先根据栅格法建立的环境地图信息,采用改进的蚁群算法规划一条无碰撞最优路径。AGV行进过程中通过自身携带传感器探测实时环境信息,针对动态障碍物状态进行分析,采用优化的滚动窗口法进行避障完成局部路径规划。通过Matlab仿真验证混合算法的有效性。最后搭建基于ROS的实验平台进行实物验证,混合路径规划算法能够在最短的时间内完成最优路径的搜索,而且在遇到障碍物反应时间更短;验证了本文的混合路径规划算法更具有普适性。