移动机器人是迅速发展起来的一门综合学科,集成了计算机、电子、自动控制以及人工智能等多学科的最新研究成果,代表了机电一体化的最高成就。近年来,移动机器人路径规划已经成为自动控制、计算机和人工智能等领域的一个研究热点,其发展对国防、社会、经济和科学技术具有重大的影响力,已成为各国高科技领域的战略性研究目标。本文研究了基于势场法和遗传算法的移动机器人路径规划技术,在传统方法的基础上,提出了一些改进算法及新的解决方案,以提高算法的计算效率,扩展其使用范围。具体的研究内容包括以下几个方面：(1)提出了一种改进的机器人路径规划方法。为了对机器人的复杂工作空间进行预处理,采用二值图像的数学形态学的方法,利用膨胀运算和腐蚀运算两种对偶的基本变换,将离散的障碍物个体融合为完整的障碍物体,使用改进的势场法进行机器人导航,以改善其运动轨迹；另外,通过设置子目标点使陷入局部极小的机器人“逃离”极小状态。(2)考虑到动态环境下移动机器人路径规划的各个量都可能在变化,在人工势场算法中引入了有关的位置信息、速度信息和加速度信息。在路径规划过程中当机器人到达或者追上了目标点时,相对加速度值为零。否则,调整参数使相对加速度值为零。又利用人工势场法结合遗传算法进行路径规划,在人工势场算法中引用一种“逃脱力”,当机器人陷入局部最小状态时,使用“逃脱力”来逃脱局部最小的限制。利用遗传算法进行全局搜索和个体优化,保证了最优个体传递到下一代。(3)提出了一种改进的遗传算法,在该算法中,设计了一种新的适应性函数,该函数考虑了路径长度信息、碰撞惩罚因素、路径间隙因素；并且设计了一套合理的遗传算子及路径修复机制来优化路径；给出了理想的路径优化参数。该方法能够在起始点和目标点之间搜索一条优化路径。(4)以人工势场法和栅格法为基础,考虑到遗传算法的“收敛速度慢”和“早熟收敛”问题,提出了一种基于量子遗传算法的机器人路径规划方法。该方法引入量子遗传算法和势场栅格法进行融合,来求解移动机器人路径规划问题。采用栅格法进行全局路径规划、人工势场法对移动机器人进行控制、量子遗传算法对最优或次优个体进行选择,并且引入双适应度评价函数对进化个体进行评价,为最优或次优个体进入下一代提供了保障。(5)由于遗传算法的过早收敛而使一些优秀个体过早地被排除掉,从而导致搜索范围缩小及产生局部最优的缺陷。提出了一种基于改进染色体编码的自适应遗传算法,采用方向和距离对来编码染色体,使用自适应控制交叉概率函数(P(?))和突变概率函数(只,)进行遗传操作。该算法使得过早收敛问题得以缓解,同时又提高了搜索的范围和效率。(6)提出了一种基于量子染色体变异的融合算法。首先,对人工势场的斥力场进行改进,然后利用融合的人工势场法和栅格法对路径进行规划,产生初始化种群,最后利用量子比特对染色体编码、利用量子染色体变异对种群个体进行更新,完成最佳路径搜索。提高了种群质量和收敛速度,有效地避开障碍物,稳定地产生最佳规划路径,适合于求解复杂优化问题。本文在最后对全文进行了总结,并且对今后进一步的研究方向进行了展望。