1.一种优化蚁群算法的移动机器人路径规划方法，其特征在于，包括以下步骤：（1）采用格栅法建立环境模型，设置路径的起点、终点和障碍物信息；

（2）初始化蚁群算法的相关参数，对初始信息素进行非均匀分配，初始信息素分布公式：其中， 为初始信息素值， 为格栅节点 到格栅节点 之间的欧式距离， 为格栅节点 的坐标， 为格栅节点 的坐标， 为格栅节点 到终点格栅 之间的欧式距离， 为终点格栅 的坐标， 为起点格栅 到终点格栅 的欧式距离，为起点格栅 的坐标；

（3）初始化禁忌表，将 只蚂蚁放在起点位置上，并将起点格栅加入禁忌表中；

（4）根据启发式函数计算格栅转移概率，利用轮盘赌法确认下一移动格栅，并更新禁忌表；引入路程影响因素，得到新的启发式函数，如下所示：其中， 为启发式函数， 为路程影响因素启发函数，为环境可调参数， 、为校正系数， 为格栅边长， 和 表示节点 的相邻节点 到终点节点 的最大和最小距离， 为节点 到节点 的欧式距离， 为蚂蚁在节点 可选取的相邻节点集合；

（5）判断所有蚂蚁是否达到终点，若是，则记录蚂蚁行走路径，若否，则返回步骤（3），更新信息素；信息素更新公式为：其中， 为更新后的信息素浓度， 为第 只蚂蚁在节点 到节点 路径上的信息素增量， 为第 只蚂蚁在本次迭代中的路径长度， 为路径中的转弯次数，为信息素强度系数，为常数；

（6）判断是否完成预设的迭代次数，若是，则输出最优路径，若否，则返回步骤（3）。

2.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述步骤（2）中相关参数包括蚂蚁数量 ，最大迭代次数 ，启发因子 ，期望因子 ，信息素挥发系数，信息素强度系数 。

3.根据权利要求2所述的移动机器人路径规划方法，其特征在于，所述信息素挥发系数取值范围：；

其中，  为信息素挥发系数最小值， 为最大迭代次数， 为当前迭代次数。

4.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述步骤（4）中栅格转移概率计算公式为其中， 为在 时刻第 只蚂蚁从节点 到节点 的转移概率，为启发因子， 为期望因子， 为启发式函数， 为节点 到节点 路径上的信息素浓度， 为第 只蚂蚁在禁忌表外可移动的下一节点集合。

5.根据权利要求4所述的移动机器人路径规划方法，其特征在于，在更新信息素时，控制信息素浓度，利用最大最小蚂蚁算法方法，保证信息素浓度在 范围，具体为：其中， 为信息素浓度， 为信息素浓度最大值， 为信息素浓度最小值。

6.根据权利要求1所述的移动机器人路径规划方法，其特征在于，所述步骤（1）采用格栅法建立环境模型，将所有栅格按照从下到上、从左到右的顺序依次编号，格栅坐标与格栅编号转换公式为：其中， 是环境地图的维数，为格栅编号，为格栅边长， 为取余运算符， 为向上取整运算符。

7.一种移动机器人路径规划装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至

6中任一项所述的移动机器人路径规划方法的步骤。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的移动机器人路径规划方法的步骤。