该文在国家自然科学基金项目"基于多智能体协调的机器人系统控制"的资助下,以提高移动机器人路径规划的实时性、智能性和鲁棒性为目的,对移动机器人路径规划问题进行了深入系统的研究.主要包括如下几个方面:对传统遗传算法进行了改进,提出了自适应群体规模设定法和精英线性排序选择法.对群体规模进行了研究,研究结果表明进化初期应使群体规模较大,而在进化后期应使群体规模较小.排序法不利用个体适应值绝对值的信息,可以避免群体进化过程的适应值标度变换,易于控制进化过程中的选择压力.而最佳保留选择法是群体收敛到优化问题最优解的一种基本保障.通过将排序法与最佳保留选择法相结合的方法来取代传统的选择方法,有效地增强了遗传算法的进化过程.在群体规模和选择方法的研究基础之上,还考虑了其它遗传操作算子的设计等问题.函数优化实验证明,改进遗传算法有效地提高了传统遗传算法的性能.将遗传算法应用于移动机器人全局路径规划.为了提高通用性,对链接图建模法进行了扩展,使其能够应用于凹形环境,并对路径染色体进行双点交叉,通过遗传操作得到了链接图中的最优路径.为了进一步提高路径的质量,该文提出了基于遗传算法的优化方法.仿真实验表明,所提方法有效.研究了适合于移动机器人运动控制的模糊推理控制方法.为了使移动机器人在动态环境下,能够较快地得到精确的模糊控制隶属函数和模糊控制规则,该文将遗传算法引入,解决了以往在使用模糊控制避障时需人工调整参数的弊端.仿真实验表明,所提方法能够保证移动机器人的实时控制.研究了基于冲突消解的多机器人协作路径规划方法.强化学习方法由于采用查表法,因此不能应用于容易发生维数灾难问题的多机器人的情况,该文采用决策树对大状态空间以不同分辨率进行划分,结合遗传算法对决策树进行优化修剪,从而有效地减小了机器人学习的搜索空间,加快了整个算法的学习速度.完成了移动机器人路径规划的仿真实验平台,该仿真系统采用模块化的结构,便于对新算法进行仿真研究,此外作者利用现有的机器人足球系统实现了编队合作任务演示系统.