由于多目标优化技术在工程、经济、管理和军事等领域中都有重要的应用价值,多目标优化的研究越来越受到广泛的关注和重视,它已发展成为一门新兴的学科并在应用中显示出强大的生命力,但是多目标优化技术用于机器人路径规划方面的研究却很少。多机器人路径规划是一个复杂的多目标优化问题。遗传算法正是借鉴生物的自然选择和遗传机制而开发出的一种全局优化自适应概率搜索算法,它在解决复杂系统优化时的所表现出的独特的优越性和健壮性,使其成为解决多目标优化问题的一个非常有效的手段。本文在详细介绍了多目标优化的研究现状、基本原理和具有代表性的算法以及多目标遗传算法的主要任务和有待解决的问题的基础上,提出了两种实用的求解多机器人规划问题的多目标遗传算法:(1)一种是多目标优化混合遗传算法。该算法在建立了多机器人路径规划问题的多目标模型的基础上,重点描述了路径间的干扰评价和信息交换;针对路径规划问题的特点,通过引入大规模均匀的群体初始化方法和启发式的插入、删除、修复及平滑算子,对遗传算法中存在的“早熟”现象进行自适应优化,使得算法能有效地对问题的多个性能指标同时进行优化。复杂工作环境下的仿真实验表明,所提算法的Pareto解数量较多,分布广泛、均匀。(2)另一种是基于群体分类的多目标优化遗传算法。该算法通过一系列的分类,将整个群体中精英的Pareto最优个体划分出来,并赋予高的适应度值,以提高它们的被选择的概率。该算法不仅有高的收敛性,而且所求的解集质量高,仿真实验表明了所提算法的正确性和高效性。