移动机器人具有外界感知、导航和路径规划等功能,在完成其他任务前,机器人必须能在此工作环境下灵活移动。因此,路径规划技术就显得尤为重要。作为启发式算法的一种,遗传算法因具有良好的隐含并行性和全局搜索能力被广泛应用到路径规划中,但其规划的路径中仍存在冗余节点和尖峰拐点等不足。为了使机器人在规划的路径中行走时更为平滑连续,不因路径尖峰而频繁切换运动模式,本文以移动机器人为研究对象,针对上述问题以遗传算法为基础展开研究,具体工作如下:首先,介绍了移动机器人路径规划的研究背景和现状,以及遗传算法、蚁群算法等启发式算法的原理;分析了现存方法在路径规划过程中存在的问题,并利用栅格法建立移动机器人的工作环境模型。其次,针对遗传算法在路径规划过程中存在冗余节点和尖峰拐点的问题,提出了一种基于遗传算法的机器人平滑路径规划方法。该方法将Bezier曲线引入到遗传算法的初始及交叉、变异过程中,提升了路径的平滑性。并通过在全局静态环境中进行仿真实验,结果证明了所提算法的有效性。然后,针对上述算法在路径规划过程中因交叉、变异破坏路径的平滑性,导致规划路径中仍存在拐点的问题,提出了一种改进遗传算法的机器人平滑路径规划方法。该方法利用遗传算法求解Bezier曲线的控制点,减少了路径的二次优化过程,且规划的路径更为平滑连续。并通过在静态环境中进行仿真实验,结果证明了所提算法的有效性。最后,针对动态环境下算法规划路径中存在冗余节点和尖峰拐点的问题,提出了一种融合遗传蚁群的机器人动态路径规划方法。该方法通过在蚁群算法中引入遗传算法,扩大解的搜索空间;并通过引入平滑算子,减少规划路径中的冗余节点和尖峰拐点。并通过在动态环境中的仿真实验,验证了所提算法的有效性。通过上述研究,提升了规划路径的平滑性,使机器人的移动更符合实际情况,减少了机器人在按照规划路径行走时因急停、急剧转弯而造成的能量损失。