目前，随着对智能机器人技术研究的学者越来越多，机器人技术得到了快速发展，人们对移动机器人的导航，避障，路径规划等方面问题研究更为深入并且要求也不断提高。机器人行走空间的不确定性终将决定机器人路径规划领域的研究是一个难点，这使得越来越多的学者致力于该问题的研究。路径规划要达到的目标是移动机器人从起始点到达目标点时所用的时间最短、走过的路程最短以及消耗自身的能量最少，并且尽可能的平滑和安全。遗传算法是建立在优胜劣汰、适者生存的自然选择原理基础上的随机、迭代和进化过程，是路径规划研究领域中的一种新颖的且有效的智能算法。本论文研究以下三个方面：首先论文阐述了移动机器人路径规划的相关技术，主要是定位、导航技术。用栅格法建立简单准确的环境模型，并用序列号标记环境中的自由栅格和障碍栅格并且在间断无障碍栅格的路径中加入启发式方法形成初始化种群。其次以避障和路径较短为主要目标，为此设计了一种新的适应度函数，该函数不但考虑了躲避障碍物的尺寸及路径长度信息，而且考虑到了机器人行走的平滑性。最后通过对采用标记法编码初始化的种群进行选择（转轮盘法）、交叉（多点交叉法）、变异（多种变异和多点变异法），并考虑到路径的连贯性，遗传算法所规划出的路径有许多线段连接而成，本课题研究的遗传算法加入插入与删除操作。本论文机器人工作的环境是静态的，对移动机器人进行的路径规划的环境也是已知的，利用C++仿真对移动机器人的路径规划进行模拟，从而验证了这种智能算法的准确性。最终要以研究型uAgent-RRS机器人为平台在实验室环境下验证该算法，使机器人在实验室环境下，寻找到一条最优路径从初始点到达目标点。