路径规划是移动机器人的一个重要问题,它使得机器人在环境中根据相应的策略到达目标点。路径规划也是一个很复杂的问题,不仅要寻求一条无碰撞的最短路径,而且还要求该路径尽可能平滑并满足一定的安全性。围绕路径规划,学者们进行了大量的研究工作。进化算法作为一种模拟生物优胜劣汰过程的智能搜索和优化算法有着非常广泛的应用前景。本文主要从进化算法的角度来研究机器人的路径规划,针对路径规划问题的特点,对算法的各个环节进行了细致的分析,包括地图环境的建立,染色体的表示和编码、适应度函数的设计,遗传操作算子的设计,算法参数的分析和选取。论文首先全面评述了传统优化算法和现代智能算法在移动机器人路径规划中取得的研究成果和存在的不足,并在此基础上提出了将混沌变异和遗传算法相结合的综合解决方法,结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象。在机器人路径规划算法中,本文还提出了一类新的进化算法,即分布估计算法。该算法在具有良好收敛性能的同时,具有很好的维持群体多样性的能力。由于算法采用了概率模型比较简单,在进化的过程中估计概率分布时不用学习变量间复杂的结构信息,因此它们的计算复杂度较低、速度比较快。在路径规划算法的研究中实验具有重要的作用一般用来验证算法在实际环境下的各种性能并可用于对不同算法进行性能比较。本文最后还设计实施了在实际环境下的路径规划实验,用来验证文章中设计的两种算法的实际效用性。