移动机器人技术已经广泛地应用在智能制造、医疗看护、巡防监测、救援搜索等多个领域。相比于单移动机器人系统，移动机器人集群系统具有良好的高效性、并行性、可扩展性和鲁棒性。移动机器人集群的任务调度技术与路径规划技术是移动机器人集群系统中的两个重点和难点问题，本文对移动机器人集群的任务调度与路径规划进行了深入的理论研究与实践探索。
　　本文提出了改进的遗传算法，并用于移动机器人集群的任务调度。首先，使用双染色体对个体进行染色体编码，其中一条染色体包含全体机器人所需要完成的所有任务，另一条染色体包含切割第一条染色体的断点索引。通过对双染色体进行染色体解码，可以得到每个机器人的任务序列。然后，将随机得到的初始种群分成若干个小种群，使用自定义的8种遗传算子并行地对小种群进行遗传操作。最后，通过适应度函数得到个体的适应度大小，使用轮盘赌算法选择种群中适应度高的个体进行遗传，经过种群迭代最终达到种群最优，并得到最佳的机器人任务调度方案。实验结果表明，与传统的遗传算法相比，改进的遗传算法既适用于单移动机器人任务调度，又适用于移动机器人集群任务调度，具有复杂度低、收敛快、系统开销小的优点。
　　本文对比移动机器人使用Dijkstra算法、最佳优先搜索算法、A*算法在障碍物环境中的路径规划实验，实验表明，A*算法作为一种启发式有向搜索算法具有更好的路径搜索性能，因此本文选择A*算法作为移动机器人的路径规划算法。另外，在实际情况中，考虑到机器人物理尺寸，机器人在转角处容易与障碍物发生碰撞。因此本文提出了一种考虑机器人物理尺寸的改进A*算法，避免机器人在转角处与障碍物发生碰撞。本文在仓库环境与随机障碍物环境中进行了大量路径规划实验，实验表明，本文改进的A*算法能够得到一条高效且无碰撞的最优路径。
　　本文验证了移动机器人任务调度算法与路径规划算法在实际场景中的有效性。首先，使用MATLAB平台搭建了智能仓库仿真环境，移动机器人集群在智能仓库中进行货物搬运工作，使用任务调度算法、路径规划算法和路径冲突解决方案来保证智能仓库正常运转。仿真表明，在固定大小的仓库中，少量机器人能够并行高效地完成多个货物分拣任务，过多的机器人会导致系统复杂度过高，使得机器人集群系统出现死锁。然后，搭建嵌入了ROS机器人操作系统的实体机器人，使用实体机器人完成了室内地图构建任务、目标搜索任务和多点巡航任务。