足球机器人系统作为多智能体系统,它很具代表性,而且非常典型,它工作的环境很复杂,既要满足实时动态的要求配合本方机器人协同作战,还要对抗敌方机器人,在人工智能技术上关于理论研究和模型测试方面都是一个很好的实验平台。而足球机器人的路径规划不仅能实现机器人小车有效地避障,还能使小车以最短的时间到达目的地,可见它作为一门研究课题是很重要的,也是很有挑战性的。现在有很多研究路径规划的方法,如栅格法、人工势场法、可视图法及一些人工智能方法等,其中智能算法有神经网络法、遗传算法等,它们各有其优缺点,但它们要想很好的实现路径规划还不是很完善,还需要在一定程度上进一步对其改进。本文中机器人足球系统的实验平台为MiroSot3:3,研究足球机器人路径规划的方法时是在基本遗传算法的基础上对其改进,然后深入探讨,探索出一种可行的足球机器人路径规划方法,在实际应用中证明其有效性。首先,介绍了足球机器人的发展历史,足球机器人及其路径规划的研究意义,路径规划的典型方法及国内外研究现状。其次,对足球机器人系统进行简单的介绍,对足球机器人系统各个子系统分别作简要说明,并对足球机器人系统建立环境模型,包括球场模型和机器人小车模型。然后,详细介绍了遗传算法,包括基本理论和主要组成部分及其实现的基本步骤,把遗传算法应用到足球机器人路径规划中。由于传统的遗传算法在求解过程中容易陷入局部最优和收敛速度慢等缺点,所以在遗传算法的基础上对其进行改进,将自适应算法和遗传算法相结合从而组成自适应遗传算法,针对现有的几种自适应遗传算法,由于所设计的操作算子对适应度值比较大的个体进化不利,所以在它们的基础上又进行了改进,改进后可以避免GA求解过程陷入局部最优,增强全局寻优能力,提高收敛速度。最后把改进后的自适应遗传算法应用于足球机器人路径规划中,先用Matlab工具进行一下实验仿真,看看它的实验曲线是否符合要求,之后利用计算机上的足球机器人仿真平台进行仿真比赛,利用它可以对比赛场地和机器人的形状很逼真地模仿,看到很清晰的比赛画面,验证本文使用的路径规划方法的有效性,最后在实际比赛中得以应用。