移动机器人是一类在复杂的环境下进行工作的，具有自规划、自组织、自适应能力的机器人。移动机器人的研究开始于上世纪六十年代，经过近半个世纪的发展，机器人技术越来越先进全面，其应用范围也越来越广，不仅能在焊接、货物搬运等领域进行应用以降低生产成本，还能在处理核废料、科学探测和考察深海资源等对人类过于危险恶劣的领域代替人类完成任务。因此，机器人技术已经得到全世界范围的广泛关注，并成为一个国家科技能力水平的重要标志。智能优化算法在路径规划中的应用有其独特的优势，与传统的规划算法相比，更能适应动态环境，并像人一样进行决策。遗传算法由于其自身的特点，对于所解的目标问题没有太多限制，可以灵活的处理问题，并且善于解决复杂问题和非线性问题，具有良好的隐含并行性和全局搜索能力。因此在移动机器人路径规划中得到了广泛的重视，并取得了一系列的成果，但是容易陷入局部最优和早熟收敛。本文采用栅格法建模和改进遗传算法相结合的办法，分别对静态环境和动态环境下的移动机器人路径规划进行了研究。首先在栅格法建模时，采用序号编码的方式，仅在自由栅格中进行搜索，使得生成的初始种群为不包含障碍栅格的可行或者间断的路径。在进行遗传操作时，编码方式采用基于栅格序号的不定长染色体，并且分别设计了静态适应度函数和动态适应度函数，静态适应度函数主要考虑路径长度，动态适应度函数考虑了路径长度、是否在安全范围内以及能否动态避碰这三个因素。除了选择、交叉、变异等三个基本的操作算子之外，还设计了三种优化算子：插入算子用于将间断路径转变成连续路径；删除算子用于删除路径中的冗余点以减少路径长度；平滑算子用于优化路径使其更加平滑。通过在两种不同的环境地图模型下，在静态环境下进行仿真实验，并与基本遗传算法进行了对比，在动态环境下，分为环境中有新增的静止障碍和环境中有移动障碍物两种情况，分别进行实验仿真，并将实验数据结果进行了统计。验证了算法的可行性和有效性，证明该算法能以较高的成功率规划出可行路径，并且产生的路径较短，能成功避碰，证明了算法的优越性。