随着计算机网络技术、自动化技术、人工智能技术等飞快地发展,移动机器人相关技术的研究也步入了新的阶段。对于移动机器人相关技术的研究,其中一个非常重要的方面便是路径规划问题。通过对路径规划问题的不断深入研究,使得移动机器人能够更好地用于军事,医疗,服务,娱乐等各个方面,真正融于人们的日常生活,对人类社会的进步和科学技术的发展做出更好的贡献。本论文中,在对基本遗传算法研究的基础上,通过对其改进并将改进后的遗传算法应用到移动四轮机器人上,指导四轮机器人完成路径规划及其它相关任务。实验证明通过对遗传算法进行改进,可以提高算法的寻优概率和收敛速度。为了完成路径规划任务,本文首先利用基本遗传算法来实现机器人的路径规划,主要包括环境模型的建立、染色体表达方式和编码方法的确定、适应度函数的选择和设计、遗传操作中相关算子的设计等。基本遗传算法的交叉操作和变异操作均为随机的过程,虽然操作过程简单,但应用在路径规划问题当中会产生不可行的路径,进而增加算法的运算量,影响算法的运算效率。针对这一问题,本论文在基本遗传算法的基础上进行改进,在对选择和变异操作进行改进的同时提出新的自适应调整方式,提高了遗传算法的寻优效率。另外,为了克服遗传算法有容易陷入局部最优的缺点,本论文引入模拟退火算法的Metropolis准则,对遗传操作后的路径个体进行接受判定。论文最后利用MATLAB对改进后的算法进行仿真分析,通过对比实验结果证明了改进后的遗传算法在移动机器人路径规划问题的应用当中,无论在收敛速度,寻优效果还是在寻优能力,动态收敛上都取得了相对较好的效果。论文最后利用创意之星模块化机器人搭建移动平台并将改进后的遗传算法应用其上,在静态的环境模型中指导移动机器人完成路径规划任务,取得了较好的效果。