随着科技技术的快速发展,各式各样的移动机器人应用于人们的生活中,受限于单机器人的约束能力限制,在面临复杂环境的任务工况情况下,多机器人协同任务实现成为目前的研究热点。将各式机器人视为移动点,论文对多移动点路径规划算法进行研究。论文基于路径规划的发展趋势及多移动点任务目标匹配的研究现状入手,由单目标的路径规划入手进行技术分析,进一步研究了多移动点的任务目标匹配算法,从而实现了多移动点的路径规划问题的算法研究。本论文主要研究内容如下:（1）单目标的路径规划问题在于为移动点寻找一条安全的道路,使移动点无碰撞地从起始位置移动到目标位置,且路径长度尽可能为为最优。粒子群算法结构简单,易于其他算法结合,但其本身也存在着收敛过快,早熟易陷入局部最优解的问题。基于此问题,论文提出了一种混合粒子群算法,通过加入了遗传算子,增加第二个全局最优解,通过提高解的多样性,提高找到最优解的效率。通过建立地图模型,进行仿真实验对比,实验表明,改进的混合算法可以有效的改善路径规划结果。（2）多目标的任务规划本质上是一种对资源的分配。多移动点的路径任务规划需要考虑到移动点自身的条件约束,又需要考虑到目标的需求约束。遗传算法多用于多目标求解问题,基本的遗传算法于初期可能因随机产生的种群适应度过低而导致收敛过慢,寻优较慢的问题,论文提出了一种精英算子,通过干预算法的选择操作,增加了种群中适应度值较高的个体,减少适应度值较低的个体,增加了算法的寻优速度。以多移动点的VRP问题为仿真实验,结果有效提高了算法达到理论最优解的概率。最后,论文结合以上对单目标的路径规划研究以及多目标的任务规划研究,设计实现了一种多移动点路径规划优化算法,其核心思想是以混合粒子群算法求得所有移动点与任务目标点之间距离,代入改进的遗传算法,分配任务目标,有效实现了多移动点任务目标分配的路径规划。