遺傳算法（genetic algorithm，簡稱GA）是計算數(shù)學(xué)中用于解決最佳化的搜索算法，是進(jìn)化算法的一種。進(jìn)化算法是借鑒了進(jìn)化生物學(xué)中的遺傳、突變、自然選擇以及雜交等現(xiàn)象而發(fā)展起來的。遺傳算法采用從自然進(jìn)化中抽象出來的幾個算子對參數(shù)編碼的字符串進(jìn)行遺傳操作，包括復(fù)制或選擇算子（Reproduction or Select）、交叉算子（Crossover）、變異算子（Mutation）。

遺傳算法的主要優(yōu)點(diǎn)是：采用群體方式對目標(biāo)函數(shù)空間進(jìn)行多線索的并行搜索，不會陷入局部極小點(diǎn)；只需要可行解目標(biāo)函數(shù)的值，而不需要其他信息，對目標(biāo)函數(shù)的連續(xù)性、可微性沒有要求，使用方便；解的選擇和產(chǎn)生用概率方式，因此具有較強(qiáng)的適應(yīng)能力和魯棒性。

2、基于神經(jīng)網(wǎng)絡(luò)算法的機(jī)器人避障方法

神經(jīng)網(wǎng)絡(luò)（neural network，縮寫NN），是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)通常通過一個基于數(shù)學(xué)統(tǒng)計學(xué)類型的學(xué)習(xí)方法優(yōu)化，是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，可以對輸入和輸出間復(fù)雜的關(guān)系進(jìn)行建模。

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃方法往往是建立一個關(guān)于機(jī)器人從初始位置到目標(biāo)位置行走路徑的神經(jīng)網(wǎng)絡(luò)模型，模型輸入是傳感器信息和機(jī)器人前一位置或者前一位置的運(yùn)動方向，通過對模型訓(xùn)練輸出機(jī)器人下一位置或者下一位置的運(yùn)動方向?？梢越⒒趧討B(tài)神經(jīng)網(wǎng)絡(luò)的機(jī)器人避障算法，動態(tài)神經(jīng)網(wǎng)絡(luò)可以根據(jù)機(jī)器人環(huán)境狀態(tài)的復(fù)雜程度自動地調(diào)整其結(jié)構(gòu)，實(shí)時地實(shí)現(xiàn)機(jī)器人的狀態(tài)與其避障動作之間的映射關(guān)系，能有效地減輕機(jī)器人的運(yùn)算壓力。還有研究通過使用神經(jīng)網(wǎng)絡(luò)避障的同時與混合智能系統(tǒng)（HIS）相連接，可以使移動機(jī)器人的認(rèn)知決策避障能力和人相近。

3、基于模糊控制的機(jī)器人避障算法

模糊控制（fuzzy control）是一類應(yīng)用模糊集合理論的控制方法，它沒有像經(jīng)典控制理論那樣把實(shí)際情況加以簡化從而建立起數(shù)學(xué)模型，而是通過人的經(jīng)驗和決策進(jìn)行相應(yīng)的模糊邏輯推理，并且用具有模糊性的語言來描述整個時變的控制過程。對于移動機(jī)器人避障用經(jīng)典控制理論建立起的數(shù)學(xué)模型將會非常粗糙，而模糊控制則把經(jīng)典控制中被簡化的部分也綜合起來加以考慮。

對于移動機(jī)器人避障的模糊控制而言，其關(guān)鍵問題就是要建立合適的模糊控制器，模糊控制器主要完成障礙物距離值的模糊化、避障模糊關(guān)系的運(yùn)算、模糊決策以及避障決策結(jié)果的非模糊化處理（精確化）等重要過程，以此來智能地控制移動機(jī)器人的避障行為。利用模糊控制理論還可將專家知識或操作人員經(jīng)驗形成的語言規(guī)則直接轉(zhuǎn)化為自動控制策略。通常使用模糊規(guī)則查詢表，用語言知識模型來設(shè)計和修正控制算法。

除此之外還有啟發(fā)式搜索算法、基于行為的路徑規(guī)劃算法、基于再激勵學(xué)習(xí)的路徑規(guī)劃算法等避障算法，也都在移動機(jī)器人的避障研究中取得了很好的成果。