以往制糖工业中煮糖罐换热管大都采用人工方式清洗,危险,效率低下。使用机器人自动清洗是大势所趋,也符合广西产业转型升级的要求。煮糖罐内换热管数量多达上万,清洗时机器人要耗费大量用于非清洗的定位移动时间,完成所有换热管的总定位移动时间由多种因素决定,而其中某些因素存在组合最优化问题,考虑这些因素的清洗路径优化是减少总定位移动时间,提高清洗效率的一个重要措施。本文对清洗机器人的清洗路径优化问题进行研究,主要内容如下：区别于传统以机器人末端行程最短为目标的路径优化问题建模方法,建立以总定位移动时间最短为目标的清洗路径优化数学模型,该模型不仅考虑清洗机器人末端行程因素,还考虑清洗机器人构型因素,从而建立了准确度量总定位移动时间的目标函数。鉴于清洗路径优化问题复杂性,提出采用粗粒度-主从式并行遗传算法对其求解以加速计算,提高求解精度。对粗粒度-主从式并行遗传算法进行详细设计并提出一种各种群交叉概率和变异概率自适应调节公式。实验表明,基于自适应交叉概率和变异概率的粗粒度-主从式并行遗传算法的求解精度和收敛速度都要优于采用固定交叉概率和变异概率的粗粒度-主从式并行遗传算法。提出一种基于多核CPU+GPU的粗粒度-主从式并行遗传算法实现方式以最大限度加速清洗路径优化问题计算过程并采用MATLAB并行编程技术详细实现。该实现方式充分挖掘多核CPU和GPU协作并行计算潜力,最大程度利用粗粒度-主从式并行遗传算法的加速优势。测试实验中,基于多核CPU+GPU的粗粒度-主从式并行遗传算法的加速比要远远高于仅使用多核CPU加速的粗粒度并行遗传算法的加速比。在清洗路径优化仿真实例中,粗粒度-主从式并行遗传算法运行时间比传统简单遗传算法运行时间缩短了62.4%。优化的清洗路径为清洗机器人控制提供依据。