【摘要】针对秘书鸟优化算法（ＳＢＯＡ）存在的局部搜索能力弱、寻优精度不高等问题，本文提出了一种基于多策略改进的秘书鸟优化算法（ＭＩＳＢＯＡ），并将其应用于移动机器人路径规划中。 首先，利用佳点集序列对秘书鸟种群进行初始化，使其分布更加均匀； 其次，在探索阶段，对寻找猎物方式采用自适应切线飞行策略，以扩大迭代初期的搜索范围；最后，在开发阶段融合疯狂算子，以提升算法跳出局部最优解的能力。 为验证改进策略的有效性，本文使用ＭＩＳＢＯＡ进行机器人路径规划实验，结果显示：在４０ｍ×４０ｍ栅格地图中，ＭＩＳＢＯＡ的平均路径长度较ＳＢＯＡ、粒子群优化（ＰＳＯ）算法、灰狼优化（ＧＷＯ）算法和鲸鱼优化算法（ＷＯＡ）缩短了１.９％、 １.９％、３.４％、７.８％，显著提高了路径规划的速度及稳定性。