机器人技术的出现,改变了人类的生产方式。早期的机器人技术比较传统,机器人是按照人们预先制定的规则行动,不具备自主工作的条件。近年来,随着计算机技术以及人工智能技术的发展,出现了拥有自主学习性和自适应性的机器人,智能机器人是一种能够主动的完成既定任务的装置,它不需要人们过多的干预就能很好的完成各项任务。智能机器人将极大的提高社会生产力,改善人们的生活。本论文主要研究如何利用遗传算法来优化机器人的移动路径,即让机器人在一个有障碍物的空间中,自动找到一条从起点到终点的最短路径。论文首先介绍了机器人的发展历史以及机器人对传统制造业的重要影响,然后按照时间顺序,介绍了国内外关于遗传算法的优秀研究成果,并对遗传算法今后的发展趋势进行了一定的总结,在这个基础上,介绍了遗传算法的起源和基本的工作原理,并对传统遗传算法的特点和缺陷进行了总结,提出了针对传统遗传算法的固有缺陷进行改进的方法。遗传算法的全局搜索性强,鲁棒性高,同时,有较好的全局收敛的特点,但是,随着搜索的进行,算法的搜索过程存在极大的盲目性和随机性,而且由于算法自身的缺陷,可能会使得算法陷入早熟状态,使得算法徘徊于某一个解区间而不能跳出,严重影响算法的运行效率。因此,本论文对传统遗传算法的各代种群进行了预处理,采用一种借鉴于三倍标准差法的方法,剔除种群中适应度值超差的个体,降低算法陷入早熟的风险,然后对遗传算法的选择、交叉、变异三大算子分别进行了优化和改进。对于选择算子,采用一种结合了精英保留策略和比例选择的改进选择算法,既保留了种群中优秀的个体,又保证了种群的物种多样性不被破坏;对于交叉算子,采用单点交叉的方式,对于不存在共同节点的两个个体,不进行交叉操作;对于变异算子,采用单点变异的原则,并比较变异前后个体的适应度值的大小,用适应度值大的个体替换原来变异前的个体,否则不进行替换,用这种方法达到提升种群整体适应度的目的。通过这种改进,希望达到提升算法的收敛速度和运行效率,降低算法陷入早熟风险的目的。然后,结合本人实习经历,将本论文的研究方法应用于某汽车制造企业仓库取料机器人路径优化中,通过仿真软件对传统遗传算法和本论文的改进算法进行模拟仿真,可以看出改进后算法在收敛速度上有了很大的提高,为今后企业引入机器人自动取料打下了基础。