移动机器人路径规划是机器人领域中的研究热点问题,其规划路径的质量将直接影响移动机器人绝大多数应用的效果。未来,移动机器人应用环境越来越复杂多变,如何在各种复杂环境下快速有效的规划合理路径成为了移动机器人路径规划领域中的一大挑战。本文提出了一种基于改进双向快速遍历随机树(Bi-RRT)的种群初始化方法来提高复杂环境下基于遗传算法的移动机器人路径规划效率。首先改进了Bi-RRT算法中的拓展过程和连接过程,并将其应用于搜索起点和终点之间的可行连接,进而构造一棵连接起点和终点的RRT。然后利用回溯法对RRT进行多次查询,以获得一组分布广泛的可行路径,从而生成一个多样性丰富的高质量初始种群,并结合遗传算法进行路径规划。为了定量分析初始种群的多样性,本文利用Hausdorff距离定义了一种新的基于广度的种群评价指标。最后为了方便实际应用,本文给出了一种基于B样条曲线技术的路径轨迹平滑处理方法用于平滑最优路径。为了进一步提高移动机器人在复杂环境下的路径规划效率,本文提出了一种基于Multi i Compact-RRT和遗传算法的路径规划算法。首先分别提出了新的地图预处理思想、新的采样极化技术和新的拓展策略,提高了Compact-RRT算法在复杂地图中拓展的鲁棒性和效率。然后进一步提出了一种Multi i Compact-RRT算法,能够在无需指定起终点的情况下利用多棵Compact-RRT对原始地图进行离线并行拓展。在移动机器人根据实际任务确定起终点之后,利用本文所提出的分层搜索方法可对Multi i Compact-RRT进行快速在线搜索,以获得连接起点和终点的可行路径。最后将Multi i Compact-RRT和遗传算法相融合形成了一种新的路径规划算法。最后本文设计了两组仿真实验以验证上述两种路径规划算法的性能。实验结果表明本文提出的基于改进Bi-RRT的种群初始化方法可在更短时间内生成多样性更丰富的初始种群,且对基于遗传算法的路径规划的性能有显著的提升作用。同时另一组实验结果也表明,本文提出的改进Compact-RRT算法的拓展能力优于其他RRT算法,而提出的Multi i Compact-RRT算法的拓展性能则有了进一步的提高,且基于Multi i Compact-RRT算法和遗传算法的路径规划能力显著优于其他算法,有效地提高了移动机器人在复杂环境下的路径规划效率。