移动机器人在进行导航时必须要有良好的路径规划策略作为支撑。动态环境下路径规划是指机器人在变化的环境中,能够规划出一条避免机器人发生碰撞的最优路径。如何在实时躲避障碍物的同时规划出最优路径,是目前机器人路径规划领域中的热点问题。本文利用改进烟花算法进行全局路径规划,利用改进蚁群窗口算法进行局部路径规划,最后将它们结合得到混合路径规划方法,实验表明该方法在寻找最优路径以及障碍物避碰方面都表现的十分出色。本文所做的主要工作如下:1.在路径搜索之前,对机器人工作环境建立数学模型。使用栅格法对采集到的工作环境信息进行划分并对每个部分进行标识,然后将分割和标记后的环境信息对应到栅格图中去。此外,为了保障移动机器人运行过程中路径的安全性问题,需要对障碍物进行膨胀处理,以保证机器人实现无碰撞的安全运动。2.本文针对增强烟花算法存在稳定性较差以及容易陷入局部最优等问题,用自适应爆炸幅度保证算法在前期有较好的探索能力,在后期有较好的开发能力。采用差分变异算子增加种群的多样性,改进精英选择策略,保留部分次优烟花以加速算法的收敛,并引入多路径备选机制为局部路径规划做准备。最后通过仿真实验证实了改进差分自适应烟花算法的路径最优,且收敛速度快于基本烟花算法和增强烟花算法。3.改进蚁群算法以提高算法的收敛速度,用于进行实时的局部避碰。通过引入刺激率算子来改进转移概率,采用自由步长原则增加蚂蚁搜索的多样性,改进信息素更新策略以防止算法“早熟”,并使用动态挥发策略来平衡算法的探索能力和收敛速度,然后通过仿真实验验证了算法的性能。接着加入动态窗口法来实现局部路径规划中的未探知障碍物的碰撞预测及碰撞避免。最后将改进蚁群算法和动态窗口法结合得到改进蚁群窗口法,实现局部路径规划及避碰,并通过仿真实验进行了简单验证。4.将改进烟花算法与改进蚁群窗口法相结合,以实现动态环境下的实时路径规划。首先介绍了在局部路径规划失败的情况下,机器人从全局路径切换到备选路径的路径切换方法。然后介绍了改进烟花算法与改进蚁群窗口算法的混合路径规划的实现流程。接着通过仿真实验验证本文所提出的混合路径规划方法在动态仿真环境下的有效性。最后,基于Turtlebot2轮式移动机器人搭建了机器人实验平台,通过在实际场景中的测试证实了该混合路径规划方法具有一定的实用价值。