Add to ORKG当移动机器人在复杂环境下作业时，如何快速高效地规划一条安全路径是其完成任务的关键。本文分析和研究了动态环境下移动机器人的路径规划方法，提出了一种混合路径规划方法以解决全局和局部路径规划的不足，并在仿真环境下验证了该混合算法的有效性。本文的主要工作如下：1）若已知环境中的障碍物信息，在运动之前对机器人进行静态的全局路径规划。针对鲸鱼优化算法收敛速度慢、收敛精度低、易陷入局部最优等问题，本文提出了一种多策略改进的鲸鱼优化算法。首先，在种群初始化时引入Piecewise混沌映射，增强了初始化群体的多样性；其次，在收敛因子中引入非线性调整策略，加入贝塔分布，平衡了算法的全局搜索能力和局部开发能力，加快算法的收敛速度；最后，采用非线性自适应权重对鲸鱼位置更新公式进行了修正，提高算法的寻优精度。仿真结果表明，改进后的鲸鱼优化算法比原始算法更有效，并且可以应用于机器人的全局路径规划中。2）针对传统人工势场法进行局部路径规划时的缺陷进行了改进。针对引力不平衡问题，对引力势场函数进行修改，设置不同的作用域，避免机器人由于引力过大与障碍物相撞；对斥力势场函数进行重新设计，当机器人靠近目标点位置时，将斥力减小到约为零，从而使机器人目标点为全局势场中最小的位置，解决目标不可达问题；引入模拟退火法解决机器人局部最小值、振荡等问题。利用改进的人工势场法，在模拟的复杂环境中进行仿真实验，通过仿真实验，验证了该方法在局部路径规划上的有效性。3）对于在动态环境中机器人的路径规划问题，本文提出了一种混合算法，搭建CoppeliaSim仿真实验平台并进行实验验证。首先使用多策略鲸鱼优化算法生成静态的全局路径，在沿着已生成的全局路径运动时，机器人可以持续感知周围的环境信息并用人工势场法进行障碍物的避碰。如果机器人不...