随着机器人技术的发展,其作用已经越发显现于生产制造、服务、运输和勘探开发等各个方面,而机器人快速、有效的路径规划问题一直是机器人研究领域的热点之一,建立适当的数学模型及开发相适应的算法日益为人们所关注。早前已有不少学者用遗传算法求解机器人路径规划问题,并取得了较好的效果,而元胞遗传算法不仅继承了遗传算法的优良品质,而且使元胞自动机部分特性得到延伸,正因如此为它解决机器人路径规划问题提供了可能。　　目前国内对元胞遗传算法中邻居结构鲜有研究,而国外的研究也各有所短,本文在研究已有文献的基础上,立足于讨论三维空间下自适应邻居结构和双邻居结构对单目标元胞遗传算法的性能影响,同时将自适应邻居结构引入到经典多目标元胞遗传算法中进行算法研究,并最终解决了两种不同空间下基于不同编码方式的机器人路径规划问题。具体研究内容如下:　　(1)从二维到三维空间,从静态到动态,对两种适应不同场合的机器人路径规划模型进行逐步深入研究。首先,基于二维已知环境情况,采用定长实数编码方式对机器人全局路径进行编码,搜索二维栅格环境模型下的机器人最优路径;然后,基于三维未知环境情况,采用二进制编码方式对机器人运动行为进行编码,优化机器人追踪目标、避开障碍物的寻优路径。　　(2)将二维空间拓展到三维空间,研究了自适应邻居结构对单目标元胞遗传算法算法的影响,重点讨论了BL和BS策略,并根据其对算法的影响进一步改进了经典多目标元胞遗传算法,从而将单目标研究推广到多目标元胞遗传算法研究。　　(3)在三维空间下,研究了双邻居结构的对单目标元胞遗传算法的影响,重点分析了竞争邻居和选择邻居对算法收敛性和多样性方面的影响,并引入拥挤机制以改善算法性能。　　(4)根据机器人路径规划模型特点,运用合适的改进算法,对上述两类机器人路径规划问题求解,验证改进算法的有效性。　　通过对元胞遗传算法中邻居结构的研究,巩固了已有算法理论研究成果,拓展了元胞遗传算法中空间维数和邻居结构的研究,同时采用基于邻居结构的元胞遗传算法对机器人路径规划问题求解,为解决该类问题提供新思路和新方法。