随着科学技术的进步以及机器人学的发展，智能机器人已成为计算机应用和人工智能发展的一个主要方向。移动机器人的研究和开发近年来受到了人们的高度重视。机器人足球比赛是近几年国际上开展起来的一种高科技对抗活动，由于它集高新技术、娱乐、比赛于一体，所以引起了社会的广泛关注和极大兴趣。而路径规划是移动机器人系统中的一个重要内容，因为他的好坏直接影响到机器人完成任务的质量。比赛中要求机器人在运动过程中能根据周围环境的变化而自主地采取相应措施的能力也越来越强。因而，路经规划作为机器人“智能”的因素就显得尤为重要，成为机器人研究领路的一个热点。 移动机器人的路径规划是一个很复杂的问题，不仅要寻求一条无碰撞的最短路径，而且还要求该路径尽可能平滑并满足一定的安全性。本论文以Fira半自主型机器人足球系统为研究平台，介绍了足球机器人系统的体系结构及相关技术，其中重点讨论了决策子系统设计，分析路径规划在整个系统中的重要性，并详细论述了足球机器人系统环境模型和平台避碰控制特点。在以上工作的基础上分析了目前各种路径规划方法优缺点的基础上，讨论它们在足球机器人系统中的应用可行性。最后选择遗传算法来解决静态和动态环境下移动机器人的路径规划问题。 本文主要针对当前路径规划中存在的诸多问题，提出了一种基于遗传神经网络的机器人避开多随机障碍物的路径规划方法。该方法首先提出障碍物环境的神经网络模型．并利用该模型建立机器人动态避碰路径与神经网络输入输出的关系，然后用遗传算法对神经网络的参数进行训练，得到比较满意的权值和阈值的输出。这种方法融合了遗传算法和神经网络方法的优点，先利用遗传算法的全局搜索，找到一个局部范围，然后由神经网络算法实现局部的搜索，这样可以很好的避免神经网络搜索易陷入局部最小的缺点，是一种比较高效快速的路径搜索算法。最后用MATLAB编写仿真程序。仿真结果表明，该算法能够成功地在各种复杂程度不同的环境里规划出一条近似最优的路径，证明了算法的有效性。