移动机器人是机器人领域的一个重要发展方向，并且已经越来越广泛的应用于工业、农业、军事、教育等人类社会的各个方面。而路径规划是移动机器人系统中的一个重要内容，因为它的好坏直接影响到机器人所完成任务的质量，所以路径规划成为移动机器人领域的一个研究热点。 本文中移动机器人的路径规划，就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)，在其工作空间中找到一条从起始点到目标点能避开所有障碍物的一条最优路径。 本文首先讨论了移动机器人的国内外发展现状以及移动机器人的几个研究方向，并着重介绍了路径规划技术的发展现状以及应用方法，也指出了本课题的研究意义和主要研究的内容。 其次通过对遗传算法和模拟退火算法的研究，分析了各自的优缺点。并把这两个算法结合构成了遗传模拟退火算法，它兼备了很强的全局和局部搜索能力，在变量数目较大时尤其突出。 接着应用遗传模拟退火算法实现了移动机器人静态环境下的路径规划。在执行规划程序之前先应用顶点法建立了机器人的工作环境，然后执行基于遗传模拟退火算法的路径规划算法。在此算法中：编码方式采用简化的实数编码方法，把机器人的二维坐标简化为一维，加快了机器人最优路径的搜索速度；初始化方法采用大范围初始化，并在初始化中加入了选择机制，使初始点避开障碍物区域；通过综合考虑路径的可行性、路径的光滑性和路径长度，制定了有效的适应度函数；选择策略采用比例选择法；交叉算子采用非对称单点交叉策略；变异算子首先采用启发式变异，先把所有的路径优化成可行路径，然后在每条路径上随机选择一个变异点，最后对此点以概率Pm进行变异。模拟退火中的随机移动准则采用Metropolis准则；也使用了有效的温度更新函数。通过在VC++中的仿真证明：采用遗传模拟退火方法进行机器人的路径规划是有效的和可行的。 然后应用遗传算法对移动机器人动态环境下的路径规划进行了仿真。由于动态环境要求有较快的实时运算速度，所以采用遗传算法进行规划。与静态环境下所不同的是：动态环境下要实时的确定一个中间目标点；在制定适应度函数时要考虑到障碍物的运动，所以综合考虑路径碰撞性、路径长度和路径光滑性，也制定了动态环境下有效的适应度函数。同时也在VC++中实现了仿真。 最后在总结了机器人控制器的结构和控制器发展现状的基础上，提出了基于CAN总线的移动机器人分布式开放控制器，并介绍了该控制器的几个主要组成部分。