随着计算机等相关领域的日益成熟,人们对智能机器人等它们的导航技术又有了新的要求,其工作环境中的复杂多样性使得机器人领域将会越来越重视路径规划的发展研究。遗传算法是依照生物进化规律通过反复迭代寻找理想解的算法,这非常有效地提供了一种路径规划研究领域中的寻优策略。本文通过利用遗传算法较高的搜索效率以及较好的扩展性等特征,主要利用遗传算法的全局寻优性合理地规划机器人的路径。本文主要根据机器人在工作环境中遇到的一个优化目标和多目标问题通过使用遗传算法及精英策略非支配排序遗传算法合理设计较优的路径。首先在阐述了机器人的研究现状和发展趋势的基础上分析了遗传算法的基本理论以及遗传学中随机迭代进化过程。通过研究相悖的多目标表明了NSGAII在求解问题中所具有的优势。其次,搭建机器人的环境使用的是栅格方法保存环境信息,使用遗传算法寻优的全局性特性,最终实现机器人抵达规定区域范围的过程。以往原算法在进行初始种群时使用的是简单随机生成的策略,这会导致过多不可行路径影响搜索速度,本文则采用启发式的方式减少出现路径的不可行性,在执行搜寻路径的方法中,为了使遗传算法的不易发生局部早熟现象,在交叉和变异得到的新解根据个体的适应度以及模拟退火算法的局部搜索特性判别是否接受新个体路径,针对原算法变异的随机性,又采用对路径随机点的邻域范围搜索,这样可以保证不损坏路径的完整性。另一方面自适应地调节交叉和变异概率方法对算法进行优化,之后通过模拟退火算法选择新生成的较优子代个体保留到下一代,最终能快寻找到最优路径。最后在机器人三维环境航迹寻优上,建立了航行距离、环境的威胁代价和航行的隐蔽性能等目标函数。针对原NSGA算法初始化种群随机性的特点会导致迭代时间长,引入混沌思想方式对种群执行优化操作,这样避免单调性的问题,另一方面局部搜索策略有利于增加算法的求解性能,最后通过熵值法寻求各个指标函数的最优解。