近些年来,移动机器人已广泛应用于日常生活、农业、工业、国防和科研等领域,成为科技发展中最有潜力的研究方向之一。在移动机器人技术中,机器人路径规划是一个极其重要的研究领域,其目的是为机器人规划出一条由起始点到目标点的安全、无碰的避障行走路径。规划出的路径越优,机器人在行走过程中产生的损耗就越少。对于遍历多目标点的移动机器人的避障行走路径规划,有两个关键点:一是为机器人规划出最优的目标点执行顺序,二是为机器人规划出目标点间的避障行走路径。针对遍历多目标点的移动机器人在简单和复杂障碍物环境下的路径规划问题,论文主要完成以下工作:(1)针对PSO-GA算法在优化过程中存在迭代次数较多且规划时间较长的问题,提出分级粒子群-遗传算法(Classification of PSO-GA,CPSO-GA)。CPSO-GA算法将粒子群分为精英粒子、优等粒子群、中等粒子群和劣等粒子群。在迭代过程中,精英粒子直接保留至下一代,优等粒子在同种群间采取交叉操作,中等粒子采取交叉和变异操作,劣等粒子采取淘汰操作。仿真实验表明,CPSO-GA算法相较于PSO-GA算法,在规划时间上降低约8%,在迭代次数上降低约12%,并且在寻优能力上也有一定的提高,更好地规划出了移动机器人的目标点执行顺序。(2)针对A*算法搜索的路径被B样条曲线优化后出现长度增加的问题,提出基于型值点平移的B样条曲线(B-spline curves based on type point drift,TPD-B样条曲线)优化A*算法路径,简称:A*TPD-B算法。A*TPD-B算法可自动筛选出处于转折位置的型值点,并对其进行相应的平移。仿真实验表明,A*TPD-B算法规划的路径相较于B样条曲线优化A*算法所得的路径要更加平滑。在路径长度上,相较于A*算法搜索的路径减少约1.8%,相较于B样条曲线优化A*算法所得的路径减少约4%。(3)针对遍历多目标点的移动机器人的避障行走路径规划这一研究内容,提出CPSO-GA&A*TPD-B组合算法。该算法将CPSO-GA和A*TPD-B相结合,在规划路径时,首先通过“CPSO-GA算法”得出最优的目标点执行顺序,接着通过“A*TPDB算法”规划出执行顺序中相邻两目标点间的避障行走路径。此外,在CPSOGA&A*TPD-B算法中添加了“优先执行目标点”执行等级设定模块,当目标点中存在“优先执行目标点”时,可以通过该模块对这些目标点设定执行等级。仿真实验表明,在简单和复杂障碍物环境地图上,CPSO-GA&A*TPD-B算法不论是在有“优先执行目标点”的情况下,还是在无“优先执行目标点”的情况下,对于移动机器人遍历多目标点的避障行走路径规划都有很好的表现。