机器人是一种能够感知空间、动态决策、行为规划的智能体。它可以代替人类做重复性枯燥的工作或被用于去做许多人类无法正常完成的任务。机器人会在各种不同的环境下进行工作,避开障碍物寻找可行路径。这是执行相关任务的前提。路径规划是在已知全部环境、部分环境已知和环境完全未知的情况下,根据相应的算法自主发现一条从起点,一步一步避开遇到的障碍物,行走到终点的可行路径。路径规划可以是静态的也可以是动态的。在静态环境中,环境信息是已知的,机器人可以提前规划好路径。但是在动态或部分信息已知的环境中,机器人需要及时获得环境信息,实时修正路径。机器人一般可以通过摄像机、传感器等感知器件,获得周围环境信息。环境信息的处理是建模的基础。选择栅格法处理环境信息,建立机器人的空间模型。为了完成机器人二维空间路径规划任务,本论文首先利用基本遗传算法实现机器人的路径规划,得到了可行路径。但是得到的路径长度长,转折点多,导致机器人路径规划的效率低。针对这个问题,在遗传算法的基础上进行了改进。对初始种群、变异操作及惩罚函数做改进,得到的机器人路径转折点更少、路径更短、收敛速度更快。除此之外,改进的遗传算法还能使机器人还能跳出局部最优解,得到可行路径。目前,二维空间机器人的路径规划不能满足三维空间场合需要。这就需要将二维空间进一步延伸处理,得到三维空间。对三维空间机器人的路径规划,本论文首先通过栅格法构造三维空间,建立三维地图模型。然后将遗传算法与蚁群算法相结合应用到三维空间机器人的路径规划中,得到了机器人在三维空间环境中的可行路径。最后,通过MATLAB软件,分别对二维空间和三维空间机器人路径规划进行了仿真。在静态环境、动态环境和二维特殊环境地图中对二维空间机器人路径规划进行了仿真,得到了机器人的最优或次优路径。接着,分别对改进的遗传算法与改进的蚁群算法进行了仿真,并对仿真的结果进行对比。仿真结果表明,改进的遗传算法路径更短,迭代次数更少。在三维空间环境中,分别对两种不同环境下的机器人路径规划进行了仿真。仿真结果表明,机器人能在三维空间环境中寻找到可行路径。