1.一种基于改进遗传算法的移动机器人路径规划方法，包括以下步骤：S1、初始化遗传算法的相关参数：种群数量population =50，最大迭代次数max—iter  =

100，交叉概率cross—pro =0.95，变异概率mut—pro =0.15；

S2、初始化遗传算法的初代解，通过模拟蚁群算法的蚂蚁寻路的策略，构建一种新型的遗传算法初始解的生成机制来生成初代解：S21、初始化蚂蚁参数：距离启发因子α=7；

S22、将蚂蚁放置于起点，按照下式计算邻接可通行节点的选择概率：k

其中，p i（j t）意为第k只蚂蚁在t时刻位于坐标i时，其可能选择邻接可行位置j的概率，t（i，j）为i到j的距离启发函数，通常取值hi（j t）=1/d，d为j到终点的欧式距离，α为距离启发因子；

S23、将蚂蚁放置于起点处，通过轮盘赌法选择邻接节点移动，并将该节点加入禁忌表，重复该操作，直至成功到达终点，最后将路径存入父代列表father—list中；

S24、若父代染色体个数等于population，则执行S3，否则，再次执行S23；

S3、初始化迭代次数iter =0，开始迭代；

S4、选择算子：采取PMX选择法，即每次从父代种群中随机挑选3个个体，比较其适应度，并将适应度最低的个体加入子代列表child—list，循环操作，直至子代列表中个体数量等于population；

S5、交叉算子：

S51、为child—list中的每个子代个体取一个随机值ki=[0,1]，并将所有满足ki≤cross—pro的个体选出放入交叉列表cross—list中；令i=0；

S52、取出cross—list列表中第i与第i+1个个体，记作A与B；

S53、找到A与B中相同的节点p0, p1, p2 … p n，并将A与B中pi与pi+1之间的路径长度分别记为LAi与LBi (i=0,1,2…n‑1)；

S54、新建空白列表a与b作为A与B交叉后的子代，依次比对LAi与LBi(i=0,1,2…n‑1)之间的大小，若LAi≤LBi，则将A中pi与pi+1之间的路径信息复制到a中，并将B中pi与pi+1之间的路径信息复制到b中，反之亦然；

S55、将交叉子代a与b添加到child—list中；

S56、如果i＞len（cross—list）‑2，则执行S6；否则令i = i+2，执行S52；

S6、变异算子：

S61、为child—list中的每个子代个体取一个随机值ki=[0,1]，并将所有满足ki≤mut—pro的个体选出放入变异列表mut—list中，令i=0；

S62、取出mut—list列表中第i个个体，记作A1；

S63、找到A1中的所有节点k，其与前一个节点j、后一个节点p之间满足关系：并将所有节点k依次放入corner—list；

S64、从corner—list中随机选择一个节点k，判断其两端的节点j和p之间是否可以直接无障碍连接，若可以，则将A1中节点j与p之间的节点删除；

S7、将child—list中的染色体复制到父代列表father—list中；

S8、iter+=1，判断循环次数iter是否等于最大循环次数max—iter，若是，则执行S9，否则，执行S4；

S9、输出father—list中适应度最高的个体，即全局最优解。