机器人技术涵盖众多的学科，包括机械制造、传感器应用和识别、电子技术、自动化与人工智能等。近些年，自动化技术和人工智能技术的不断发展大大推动了机器人技术的进步。根据应用场景不同，可将机器人分为工业机器人、农业机器人、家用机器人、医用机器人等。随着机器人的发展和大范围应用，对机器人智能化的要求越来越高，其中自主导航水平是评价一台机器人智能化的关键指标，而路径规划是机器人导航的重要组成部分。
　　路径规划问题可以分为单目标路径规划问题和多目标路径规划问题，单目标路径规划问题只考虑单个优化目标，一般为路径长度或者路径安全性。相对单目标路径规划问题，多目标路径规划可以同时考虑路径的长度、安全性、路径平滑度等多个因素，也更加切合实际应用场景。因此本文针对路径规划中最重要的三个目标—路径长度、路径安全性、路径平滑度进行研究。
　　机器人路径规划可以分为全局路径规划和局部路径规划两部分，本文针对这两个问题，提出了自适应遗传算法和改进头脑风暴算法，分别解决全局和局部路径规划问题。全局路径规划首先采用势场法构建地图，然后利用本文提出的自适应遗传算法，对全局路径规划中需要考虑的路径长度、路径安全性以及路径平滑度进行优化，同时解决了原始遗传算法路径规划中可能陷入局部最优、安全距离太小的问题，最终求得一个帕累托解集，得到全局路径规划问题的一组可行解，最后根据需要取得规划的最优解。
　　针对局部路径规划对于优化速度以及实时性的要求，本文对原始头脑风暴算法进行改进，分别改进了原始头脑风暴算法的分组方法和更新策略，解决了容易产生局部最优解以及优化迭代速度慢的问题。通过对问题解空间的均匀分组，将种群均匀分布于整个解空间，解决了容易陷入局部最优的问题；通过选择合适的更新个体，解决了更新所有个体时迭代速度慢的问题。最终获得一种适合局部路径规划的改进头脑风暴算法。
　　最后基于ROS机器人操作系统搭建仿真机器人，采用摄像头和激光雷达获取环境信息，利用提出的路径规划算法进行路径规划，在栅格地图和ROS地图上进行路径规划实验，实验结果验证了算法的可行性和有效性。