针对原始霜冰优化算法(RIME)在移动机器人路径规划问题中存在易陷入局部最优和收敛速度慢等问题，提出一种增强型霜冰优化算法(ERIME)用于对复杂环境下移动机器人进行路径规划。首先，采用基于sine混沌映射的透镜成像种群选择策略对种群初始化阶段进行增强以增加种群多样性，使算法更好地进行探索和开发；其次，使用随机因子控制的最值搜索策略和质心中点引导的开发机制对算法的探索和开发阶段进行改进，增强算法跳出局部最优解的能力，更好地探索全局最优解，并加快算法的收敛速度；此外，建立ERIME算法的Markov链模型，证明了算法的全局收敛性。为验证ERIME的有效性，对该算法采用CEC2017测试集进行验证，并与其他知名的元启发式算法进行比较，结果表明该算法具有良好的性能。最后，将其应用于复杂环境下的移动机器人路径规划问题中，实验结果表明，ERIME可以高效地为机器人进行路径规划，且可以找到一个非常优质的路径。