路径规划问题是移动机器人研究中的关键技术之一,一直以来是国内外学者们研究的热点。目前,基于环境已知的移动机器人路径规划已经取得了相当多的成果,而且应用也相当成功;基于环境未知的移动机器人路径规划也取得了一定的成果,但是还存在不少问题。目前移动机器人路径规划主要是寻求一条最优路径或者优化路径,但是在实际应用中,比如深海和太空探索中,由于移动机器人工作环境的不确定性,仅仅一条最优或者优化路径不能满足工作的需求。因此有必要规划出多条优化路径,在任务执行时可以根据不同需要,选择合适的行进路径。针对上述问题,本文做了以下研究工作:(1)由于多路径规划与多峰函数问题有一定关联性,为此构造了基于自适应小生境遗传算法优化神经网络来求解多峰函数问题的方法。通过一些多峰函数的仿真实验验证了所构造的进化神经网络具备寻找多个峰的能力。(2)分析了多种未知环境下单路径规划方法和已知环境下多路径规划算法,针对未知环境下多路径规划要求,构造一种利用机器人自身的方位信息和机器人传感器探测到的障碍物信息,来判断未知环境下不同可行路径的方法。在此基础上,提出了一种适应于未知环境下机器人多路径规划的基于自适应小生境遗传算法优化神经网络的方法。由于进化过程中有效地保持种群的多样性,使机器人搜索到不同的可行路径,从而实现多路径规划。然后进行了仿真实验:机器人“大脑”——神经网络,根据传感器探测到的局部环境信息决定其下一步动作,并通过在环境中不断地“学习”,最终能够有效地避开障碍物,安全地抵达目标点,而且能搜索到多条平滑的优化路径。