移动机器人是能够在道路和野外连续自主运动的智能机器人,是一种集环境感知、动态决策与规划、行为控制与执行等多项功能于一体的高智能化机器系统.移动机器人导航是移动机器人研究的重要方向,而路径规划是移动机器人导航的最基本环节之一.该论文主要研究了移动机器人在静态和动态环境下的智能路径规划问题,利用国内外在粗糙集理论和遗传算法相结合方面的最新研究成果,将其应用到移动机器人的路径规划中,并进行了大量的仿真实验,实验结果证明了采用粗糙集和遗传算法相结合的方法应用到机器人的路径规划中是可行的.第一章介绍了移动机器人路径规划的研究背景及国内外同类课题的研究现状,并列举了移动机器人路径规划的常用方法,最后展望了移动机器人路径规划的发展趋势.第二章介绍了遗传算法的基本概念、算法和应用领域,并使用遗传算法求解函数的极大值.第三章介绍了粗糙集的概念及属性约简的方法和粗糙集的应用领域.粗糙集理论是一种较新的软计算方法,可以有效地分析和处理不完备信息.该论文采用粗糙集进行约简决策规则,以提高决策的速度.研究了基于粗糙集和遗传算法相结合的机器人路径规划方法.第四章研究了移动机器人在静态环境下的路径规划问题.首先采用栅格法建立机器人的工作空间模型,然后采用粗糙集来生成初始路径,这样既能够保证路径是可行的,又能够缩短决策的时间,最后采用遗传算法来优化路径.通过一般遗传算法和微种群遗传算法的对比研究,证明了采用粗糙集和微种群遗传算法相结合的方法用于机器人的路径规划是有效的和可行的.第五章研究了移动机器人在动态环境下的路径规划问题.由于动态环境要求机器人的决策速度快,因此在栅格法建模基础之上,提出了改进的建模方法.因为机器人的工作环境会随时变化,所以采用两种工作模式:静态工作模式和动态工作模式.当环境不变化时,执行静态模式的工作程序;当环境改变时,执行动态模式的工作程序.在不同的障碍物个数、分布和不同的环境变化率下的仿真结果证明了此方法是可行的.第六章对全文进行了总结,指出论文的不足之处,并对今后的研究工作进行展望.