移动机器人路径规划(Path Planning)是移动机器人技术研究领域中的关键问题之一，也是移动机器人完成其它高级任务的必要基础。它的主要任务是在移动机器人的运行环境中，为机器人寻求一条从已知起点到已知终点的最优路径，即在障碍物空间中能够找到一条最短或最低代价的无碰撞路径，因此对它的研究有着重要的意义。本文在研究已有路径规划方法的基础上，重点对多边形障碍物环境下的移动机器人路径规划问题进行探讨，采用了具有优化算子的遗传算法(Genetic algorithm，GA)实现该环境下的路径规划，并通过实验证明了算法的有效性。论文主要内容包括：
　　 首先，论文详细阐述了移动机器人全局路径规划和局部路径规划中各类方法的优缺点。分析和研究了基于遗传算法的移动机器人路径规划的应用现状，对其应用特点进行了总结，认为遗传算法由于其自身的隐并行性和全局寻优能力，对求解机器人路径规划等这一类有约束的优化问题有着巨大的优越性，因此本文选择遗传算法来研究移动机器人路径规划问题。
　　 其次，论文对遗传算法自身的基本原理、方法和运行机理进行了深入的研究。在此基础之上，根据移动机器人路径规划的特点，主要介绍了基于遗传算法的移动机器人在多边形障碍物环境下的路径规划设计，包括：路径规划问题的定义、多边形障碍物环境的建模、染色体的表示、初始种群的产生、适应度函数的设计、遗传算子和算法的终止条件等。为解决遗传算法的早熟收敛和收敛性能差的问题，本文采用了优化算子改善遗传算法的收敛能力，提高算法的执行效率。
　　 最后，论文在VC.NET环境中，应用C/C++语言编写程序对论文所设计的算法进行了仿真，给出了仿真路径图及数据表格。并根据给出的数据和仿真图分析了算法的性能，验证了算法的有效性。然后在Pioneer3-Dx型移动机器人平台上，进行了移动机器人路径规划的实验，取得了良好的效果。