路径规划是移动机器人研究的一个重要方向,它作为自主式移动机器人导航的基本环节之一,是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。而智能计算,作为解决非线性问题的特殊方法,正在引起人们的广泛关注,它是用计算的手段或方法来获取和表达知识,并模拟实现智能行为的一门学科。将智能计算方法运用到移动机器人路径规划算法中,是本文的研究重点。主要内容如下:1、系统详尽地介绍了机器人的定义和分类,讨论了移动机器人技术的研究意义、国内外研究进展和基本研究方向,概要的阐述了神经网络、遗传算法、模拟退火以及模糊控制等智能算法的发展现状。2、以Pioneer2型机器人为例介绍了移动机器人软、硬件体系结构以及移动机器人的运动模型。3、提出基于神经网络的移动机器人路径规划。利用神经网络原理研究了移动机器人的路径规划方法,即在建立人工神经网络模型的基础上,研究如何在已知环境下进行机器人的无障碍全局路径规划。4、融合模拟退火算法,对原始人工神经网络路径规划进行改进。针对人工神经网络路径规划的局部极小值问题,引进模拟退火算法,解决原始方法的缺陷。5、融合遗传算法,对原始人工神经网络路径规划进行改进。在建立的人工神经网络模型的基础上,研究如何用遗传算法进行最优路径搜索,即将遗传算法引入神经网络模型中,研究混合人工神经网络和遗传算法的机器人路径规划方法。6、针对移动机器人的动态环境,提出基于模糊神经网络算法的路径规划算法。提出一种基于模糊神经网络的在线决策方法,运用于移动机器人的动态路径规划,并通过仿真验证了其有效性。