提出一种基于三种群粒子群优化（three-population particle swarm optimization, TPPSO）策略的移动机器人路径规划算法，通过探索群、开发群和增强群的协同进化机制增强算法的全局搜索和局部开发能力．探索群利用粒子质量评估和随机选择策略更新速度，开发群采用线性认知系数动态调整机制，增强群融入较大随机分量减少局部最优影响．引入随机扰动策略，当算法搜索性能停滞时对粒子群施加扰动以增强多样性．TPPSO算法在单峰函数、带噪声单峰函数和多峰函数3个基准函数上的平均值和标准差均优于传统PSO算法、SAVPSO算法和RRT*算法，验证了算法的优化性能和稳定性．在4个10 m×10 m二维标准环境中生成的路径能有效规避障碍物并减少不必要的迂回，路径质量最佳．复杂环境验证实验发现，动态多障碍物环境中规划成功率达91.5%，三维环境中平均爬升率为10.7%．研究结果表明，TPPSO算法能有效解决移动机器人在复杂环境下的路径规划问题．
