为提高实体机器人工作效率,本文以机器人巡逻路线规划与路径规划为研究问题,进行了一系列研究。首先对蚂蚁系统等几种经典的传统蚁群算法进行研究分析,然后针对提高自适应效果这一点进行了单种群算法的改良,接着又加入用于衡量算法多样性的信息熵概念,调控策略的使用时机与方式,形成基于信息熵的异构双种群算法,进一步,通过引入博弈论机制,加深对于多种群交流机制的理解,构成具有通用性的多种群算法交流机制,并通过TSP求解进行效果验证,最后将所提算法应用到实际问题中,验证其作用。在本次毕设中,所做的主要工作如下:首先,为提高算法的自适应性,结合狼群算法思想提出一种动态分级的改良蚂蚁算法。在根据动态分级算子建立种群分级模型后,通过结合轮盘赌的头狼影响策略来增加种群间交流从而增强个体间的联系,同时,经过归一化处理的动态信息素更新策略也被应用其中来体现精英作用。最后,将本算法运用于路径规划问题求解中验证其效果,并与另外几种智能算法进行比较。仿真结果表明,该算法的收敛速度较快,能以比较少的迭代次数找到最优路径,效率较高。其次,为加强种群间的动态联系,使用信息熵来衡量算法的多样性,并提出一种基于信息熵的动态异构双种群蚁群算法。此双种群算法包含异构双种群和同源异构交流机制两部分。异构的两个子种群各有分工,使算法的多样性及收敛性都有了被优化的可能。此算法的核心是同源异构交流机制,这是一种基于信息熵的交流机制,可以通过信息熵来判断调用各策略的时机,令两个子种群产生互补作用,适时提高算法的不同特性。除此之外,为进一步提高算法的性能,自适改良的3-Opt算子和动态信息素重置算子也被应用其中。最后,通过TSP算例进行对比实验,验证算法的有效性。接着,为提高算法的鲁棒性,在上述基础中又加入博弈论机制,提出一种基于信息熵的多种群博弈蚁群算法。该算法的核心是具有通用性的多种群交流机制的构成:首先,采用主从合作博弈机制,引入夏普里公式和信息熵对各算子的权重进行动态调整,在此基础上提出奖惩算子,用于加快算法收敛速度;然后,对从种群引入针锋相对策略,进行协同学习,提高从种群多样性;进一步,根据帕累托最优原则,对从种群引入协调博弈机制进行自适应合作,提高算法性能。为验证该机制的有效性,以TSPLIB标准库中的多组TSP问题作为实验算例,进行算法性能分析。实验结果表明,对比传统算法,本算法具有良好的求解精度,且算法具有良好的求解稳定性。最后,在上述理论分析的基础上,为解决实际问题,将本文所提出算法应用于机器人路径规划问题中。利用动态分级的改良蚂蚁算法进行点到点的路径规划,并将多点路线规划转化为TSP,使用多种群算法进行求解,通过MATLAB进行仿真,实验结果表明,本文所提出算法能以较高效率解决路径规划问题,精度较高。