移动机器人路径规划问题是机器人领域的一个重要研究方向,而多机器人路径规划则是移动机器人路径规划的一个重要分支。多机器人路径规划所执行的任务对路径的要求有:如路径最短、避免机器人与周围障碍物发生碰撞、协调各机器人之间的运动状态,以预防机器人之间发生路径冲突等。本文以双机器人为例,针对多机器人路径规划问题,采用全局路径规划与局部路径规划相结合的思想,利用遗传算法具有良好的全局搜索能力和较强的自主学习的特性,提出一种基于改进遗传算法的路径规划方法来求解多机器人系统的全局路径规划,之后分别在静态和动态环境下基于滚动窗口预测理论提出相应的避碰和协调策略来求解多机器人系统的局部路径规划,最终使得多机器人在静动态环境下的路径规划效率得到显著提高。主要研究内容如下:(1)对传统遗传算法的缺陷进行分析并进行改进,主要有:(1)加入优化过的人工势场法生成初始种群,使得初始种群的质量大大提高,为选择、交叉等遗传操作提供一个良好的种群环境;(2)重新制定适应度函数,引入路径曲折程度权重因子,使得其评价标准更加符合实际情况;(3)在交叉和变异操作算子中加入自适应函数,解决了传统遗传算法容易陷入局部最优的缺点,并使得种群的迭代效率更加高效。最后运用MATLAB软件在单机器人环境下通过仿真验证了改进遗传算法的可行性与有效性,为之后多机器人系统的路径规划打下基础。(2)在静态环境下双机器人路径规划问题中,采用全局路径规划与局部路径规划相结合的思想,在滚动窗口预测理论的基础上,根据移动机器人碰撞条件和路径冲突情况制定相应的路径协调策略,本论文提出一种动态优先级的方法通过定量分析使得机器人在消耗时间和路径长度两个约束条件上都能够达到最优,并进行仿真验证。(3)动态环境下双机器人路径规划问题是在静态环境双机器人系统的基础上添加有限数量的动态障碍物,根据对动态障碍物运动状态的预判,确定碰撞形式并制定相应的避碰策略,最后通过仿真实验证明了该避碰策略的有效性。