路径规划是智能机器人研究领域非常重要的一部分。机器人路径规划,就是让机器人在未知的复杂环境下探索出一条最优线路,从而完成指定目标任务。近年来,国内外研究学者针对机器人路径规划问题提出了各种各样有效的规划算法,并取得了较好的效果,这些算法主要包括进化算法、遗传算法、蚁群算法等。本文提出将机器人路径规划问题可以转换成一种纯分配问题,即机器人目标分配问题,寻找到最优分配方案就能得到相应机器人的规划路径;针对目标分配问题,也提出了一种新的算法—匈牙利算法,并对其进行了研究。本文首先介绍了机器人路径规划的发展和研究现状,紧接着介绍了目标分配问题与机器人路径规划之间的联系,理论上可以将机器人路径规划问题转换成一种纯分配问题,并详细分析了传统规划算法的优缺点,得出匈牙利算法是处理目标分配问题的最佳选择。其次介绍了一种路径规划的音乐墙模型,并针对音乐墙模型介绍了一种最优分配的情况。随后针对提出的匈牙利算法,对其算法基础和原理进行了分析,并将匈牙利算法应用到低维目标分配问题中进行了实验,实验结果也基本满足分配要求;但匈牙利算法在处理高维目标分配问题效率偏低,由于进化算法在处理高维数据问题时优势明显,因此将进化算法与匈牙利算法结合,并对这两种算法进行对比分析;进化匈牙利算法能较好地处理机器人目标分配问题,同时,针对目标分配时可能出现的几种状况,进化匈牙利算法也都提供了解决办法。其次,本文重点介绍了机器人分配无约束路径规划和连通性约束路径规划问题,利用进化匈牙利算法及其框架内的子算法,这两种问题都得到了理论上的解决;最后利用MATLAB仿真软件模拟了音乐墙模型,并设置参数,仿真了机器人的路线图,并模拟了最小机器人的数量图。采用进化匈牙利算法处理机器人目标分配问题,能够得到分配问题的全局最优解,并且是"一对一"的分配模式,能够提高目标分配的准确性,同时机器人的路径距离值最小,明显降低了机器人目标分配的经济成本。