路径规划是移动机器人完成任务的安全保障，同时也是移动机器人智能化程度的重要标志。在机器人硬件系统的精度短期内不能得到解决的情况下，对路径规划算法的研究显得尤为重要，这将从根本上改变移动机器人的导航性能，减少移动机器人在移动过程中存在的不确定性状态，提高移动机器人移动的速度及灵活性，从而提高移动机器人的智能水平。 本论文对移动机器人路径规划研究的理论和算法进行了分析，比较全面地论述了移动机器人路径规划技术研究的现状，对已有的移动机器人路径规划技术进行了总结，并归纳了常用的路径规划方法的优缺点及适用的情况。 在此基础上，本论文基于系统的分层思想，设计了一种路径规划算法，该算法由全局路径规划和局部路径规划两个层次构成，具体包括： (1)全局路径规划层。该层采用基于遗传蚁群算法的机器人全局路径规划方法，通过以一种新的思路将遗传算法和蚁群算法相结合，实现了两种算法的优势互补。该方法首先采用遗传算法生成初始的较优解群，然后利用遗传算法的结果设置蚁群的初始信息素分布，进而快速找到最优解，从而有效地结合了遗传算法的快速收敛性和蚁群算法的信息正反馈机制，达到时间效率上优于蚁群算法，在求精确解效率上优于遗传算法。 (2)局部路径规划层。该层采用基于滚动窗口的预测优化的方法，在机器人沿着通过全局规划层得到的路径行进过程中，根据传感器适时探测得到的局部环境信息，对静态全局路径进行局部重规划。如果遇到运动状态未知的障碍物时，则启用相应的避障策略，从而使机器人最终能够沿着较优路径安全稳定的到达目标点。