1、移動機器人是機器人領域的一個重要發(fā)展方向，并且已經越來越廣泛的應用于工業(yè)、農業(yè)、軍事、教育等人類社會的各個方面。而路徑規(guī)劃是移動機器人系統(tǒng)中的一個重要內容，因為它的好壞直接影響到機器人所完成任務的質量，所以路徑規(guī)劃成為移動機器人領域的一個研究熱點。 本文中移動機器人的路徑規(guī)劃，就是依據某個或某些優(yōu)化準則(如工作代價最小、行走路線最短、行走時間最短等)，在其工作空間中找到一條從起始點到目標點能避開所有障礙物的一條最優(yōu)路徑。

2、 本文首先討論了移動機器人的國內外發(fā)展現(xiàn)狀以及移動機器人的幾個研究方向，并著重介紹了路徑規(guī)劃技術的發(fā)展現(xiàn)狀以及應用方法，也指出了本課題的研究意義和主要研究的內容。 其次通過對遺傳算法和模擬退火算法的研究，分析了各自的優(yōu)缺點。并把這兩個算法結合構成了遺傳模擬退火算法，它兼?zhèn)淞撕軓姷娜趾途植克阉髂芰?，在變量數目較大時尤其突出。 接著應用遺傳模擬退火算法實現(xiàn)了移動機器人靜態(tài)環(huán)境下的路徑規(guī)劃。在執(zhí)行規(guī)劃程序之前先應用頂點法建立

3、了機器人的工作環(huán)境，然后執(zhí)行基于遺傳模擬退火算法的路徑規(guī)劃算法。在此算法中：編碼方式采用簡化的實數編碼方法，把機器人的二維坐標簡化為一維，加快了機器人最優(yōu)路徑的搜索速度；初始化方法采用大范圍初始化，并在初始化中加入了選擇機制，使初始點避開障礙物區(qū)域；通過綜合考慮路徑的可行性、路徑的光滑性和路徑長度，制定了有效的適應度函數；選擇策略采用比例選擇法；交叉算子采用非對稱單點交叉策略；變異算子首先采用啟發(fā)式變異，先把所有的路徑優(yōu)化成可行路徑，然

4、后在每條路徑上隨機選擇一個變異點，最后對此點以概率Pm進行變異。模擬退火中的隨機移動準則采用Metropolis準則；也使用了有效的溫度更新函數。通過在VC++中的仿真證明：采用遺傳模擬退火方法進行機器人的路徑規(guī)劃是有效的和可行的。 然后應用遺傳算法對移動機器人動態(tài)環(huán)境下的路徑規(guī)劃進行了仿真。由于動態(tài)環(huán)境要求有較快的實時運算速度，所以采用遺傳算法進行規(guī)劃。與靜態(tài)環(huán)境下所不同的是：動態(tài)環(huán)境下要實時的確定一個中間目標點；在制定適應度