避障路径规划是工程设计中一项重要的环节，其应用范围涉及我们的生活、工作、科研和娱乐等等方面。比如在车辆出行系统，舰船导航系统，敏捷运输问题，工程进度规划，三维游戏和虚拟战场等方面都要用到该技术，该技术有着广泛的应用，可以说与我们的生活息息相关。对问题环境的考虑越贴近实际生活场景，研究成果对现实生活的指导意义和实用价值越大，本文所研究的复杂地形就是对实际场景的最真实的模拟。本文所研究的复杂环境下的避障路径规划指的是，在具有障碍物的复杂三维环境中，按照某个评价标准(如最短路径长度、最短行进时间、最小能量消耗等)，规划一条从起始点位置到达目标点位置最优(或次优)的无碰撞路径。在此路径规划过程中，障碍物有着广泛的含义，包括阻挡型障碍，超越自身能力的不可穿越的禁区，以及指定的不能经过的领域和需要避开的地区。同时需要在路径规划中考虑的还有地形的变化，本文研究的复杂地形包括了三维环境下地势多峰多谷的起伏。 避障路径规划的算法有很多，有几何法、拓扑法、势场法、Dijkstra算法、启发式搜索算法、模糊算法、神经网络、遗传算法等等，这些算法都在路径规划上各有各的优势，也有自身的不足，本文细致的分析了这些算法在路径规划方面的发展现状，并提出了一种新的路径规划方式——蚁群算法。 蚁群算法是在20世纪90年代，意人利学者M.Dorigo，V.Maniezzao，A.Colorni等人从生物进化的机理中受到启发，通过模拟自然界蚂蚁寻食的行为提出了一种全新的模拟进化算法，属于群集智能算法。蚁群算法具有群体合作、正反馈和并行性等特点，是一种不同于以往各种算法的智能的优化的算法，自算法被提出以后，广受关注，发展迅速，在不到十年的时间，已经发展到数种蚁群改进算法，蚁群算法的运用范围也从最初的TSP问题，广泛的扩大到NP难的组合优化类问题的求解、机器人系统、制造系统、通讯系统、工程设计以及电力系统等多种场合，解决了实际系统中的动态资源配置、参数优化、运动规划以及系统辨识等问题。 尽管蚁群算法的优势突出，其不足也十分明显，公认的蚁群算法不足之处有：算法的复杂度高，尤其是时间复杂度较高，在解决大规模的问题时，蚁群算法显现出了不足；参数较多，而且需要手动设置，许多参数的设置凭借经验，没有充足的依据；算法适合处理图结构或者可以转换成图结构的问题求解，在运用的时候需要对环境做离散化处理，离散化的程度也决定了算法的设计。 鉴于复杂地形下的路径规划和TSP问题之间有很大的相似性，在对蚁群算法细致的分析基础上，本文提出一种新的改进的更加适合在三维复杂地质环境中做避障路径规划的蚁群算法。该改进算法秉承了蚁群算法的精髓之处，吸收了多个蚁群改进算法的优势，在信息素的作用、参数的设置、搜索方式等问题上都做出了创新和改进，改变了以往信息素单纯的吸引蚂蚁聚集的作用，更大程度上发挥了信息素对蚂蚁行为的指导作用，从而在整体上提高了蚁群的合作和交流，充分发挥了群集智能的功能，在参数设置上，尽可能的减少参数设置对算法性能的影响，提高了算法的效率。 在复杂环境的处理上，该算法使用了像素点法对复杂地形做离散化，用数字矩阵记录地形情况，建立相对应的信息素矩阵，为了方便记录数据，算法还将矩阵坐标进行了编号处理。 最后，通过实验测试表明，改进的蚁群算法能够很好的实现复杂地形下的避障路径规划，同时也再次证明了参数设置对算法性能影响是蚁群算法暂时不可改变的宿命。