杨坤，程鹏

（1.沈阳工学院，辽宁 抚顺 113122；2.沈阳理工大学，辽宁 沈阳 110159）

0 引言

机器人路径规划一直是学术界追踪的热点问题，其核心目标是身处存在阻碍的环境中，如何给机器人找出一条路径，使其既能够避开障碍物，又能够到达指定目标位置。需要考虑到如何获取环境信息、如何表示环境、如何进行路径执行以及如何获取知识等多方面内容。

路径规划可以分为在线路径规划和离线路径规划。前者是一种基于传感器信息的环境未知的路径规划方法，并且必须在线规划路径。后者是基于环境的全局路径规划，适用于静态环境的先验完整信息，并且必须离线规划路径。静态路径规划意味着机器人工作所在的环境是已知的且是静态的。在机器人移动之前，路径的选定是依照既定的环境信息进行规划的，择出最佳路径后，使机器人沿着选定路径从始发点到目的地。一般来说，可选路径的数目不只一条。在实际应用中，通常需要在某种特定情况下选择出一条最佳路径。通用标准包括最短路径，最短用时以及最低能耗[1-2]。此外，为了提升机器人在路径规划方面的效率并更好地满足实时性要求，通常将遗传算法和模拟退火算法引入机器人的静态路径规划和设计中。遗传算法虽然可以从概率的角度随机找到全局最优解，而模拟退火算法能够去除局部最优解，恰好弥补了遗传算法局部寻优差的弊端。因此，遗传算法与模拟退火算法的联合是解决静态路径规划问题的一种方法。……