为提升移动机器人在复杂环境中的自主导航能力，本文提出一种融合模糊控制与改进蚁群算法的路径自适应优化方法。通过构建全局–局部协同架构，利用改进蚁群算法实现路径的全局优化，并采用模糊控制完成局部避障与姿态调整，从而增强系统对动态障碍与环境不确定性的适应性。仿真结果表明，该方法在路径长度、避障成功率、规划效率与轨迹平滑性方面均优于传统算法，能够有效提升移动机器人导航性能。研究为智能移动机器人路径规划提供了一种高鲁棒性与高实时性的可行方案。

移动机器人；蚁群算法；模糊控制；路径规划；自适应优化

[1]赵贺杨,褚慧慧,周宏胭.ROS移动机器人路径规划算法的研究[J].现代信息科技,2025,9(18):163-168.

[2]刘天宝,刘美.移动机器人路径规划算法研究综述[J].广东石油化工学院学报,2025,35(04):62-68.

[3]刘清云,游雄,张欣,等.移动机器人路径规划算法综述[J].计算机科学,2025,52(S1):159-168.

[4]李畅.基于深度强化学习的移动机器人路径规划算法研究[D].长春工业大学,2025.

[5]邓冬冬,许建民,孟寒,等.基于蚁群算法与人工势场法融合的移动机器人路径规划[J].仪器仪表学报,2025,46(02):1-16.

[6]张彪,李永强.基于动态寻优蚁群算法的移动机器人路径规划[J].仪器仪表学报,2025,46(03):74-85.

[7]王珂,姜春艳,黄黎,等.基于三种群粒子群优化策略的移动机器人路径规划[J].深圳大学学报(理工版),2025,42(04):447-454.

[8]王淑民,陈兴文.基于改进蚁群算法的移动机器人路径规划应用研究[J].山西电子技术,2025,(02):112-113+116.