La planificación de rutas es un área importante de la investigación de robots móviles, y el algoritmo de optimización de colonia de hormigas es esencial para analizar la planificación de rutas. Sin embargo, el algoritmo de optimización de colonia de hormigas actual aplicado a la planificación de rutas de robots móviles todavía tiene algunas limitaciones, incluida la búsqueda ciega temprana, la velocidad lenta de convergencia y más giros. Para superar estos problemas, se propone en este documento un algoritmo de optimización de colonia de hormigas mejorado. En el algoritmo mejorado, introducimos la idea de desigualdad triangular y una estrategia de transferencia de estado seudorandom para mejorar la orientación de los puntos de destino y mejorar la eficiencia de búsqueda y calidad del algoritmo. Además, proponemos una estrategia de actualización de feromonas basada en el método de partición con límites superiores e inferiores en la concentración de feromonas. Esto no solo puede mejorar la capacidad de búsqueda global y la velocidad de convergencia del algoritmo, sino también evitar el fenómeno prematuro y de estancamiento del algoritmo durante la búsqueda. Para evitar que las hormigas caigan en un estado de bloqueo, introducimos un mecanismo de retroceso para permitir que las hormigas exploren mejor el espacio de soluciones. Finalmente, para verificar la efectividad del algoritmo propuesto, se compara el algoritmo con 11 métodos existentes para resolver el problema de planificación de rutas de robots, incluidas varias variantes de ACO y dos algoritmos comúnmente utilizados (algoritmo A* y algoritmo de Dijkstra), y los resultados experimentales muestran que el algoritmo ACO mejorado puede planificar rutas con una convergencia más rápida, longitudes de ruta más cortas y mayor suavidad. Específicamente, el algoritmo produce la longitud de ruta más corta con una desviación estándar de cero garantizando la convergencia más rápida y la mayor suavidad en el caso de la ruta más corta en cuatro entornos de cuadrícula diferentes. Estos resultados experimentales demuestran la efectividad del algoritmo propuesto en la planificación de rutas.