类人型机器人是根据人类的行为机制设计而成的，它适合于在人类生活的环境下活动。所以，近年来对两足机器人的研究，已引起了世界各国机器人专家的重视。可是，类人型机器人能够产生像人类一样的行走仍然是具有一定困难程度的。因为人类不仅仅能够在平地上行走，还能够在颠簸路面上行走。 一般而言，两足机器人是由多个部件组成，而这些部件则由类似于关节的电机进行连接。整个机器人的结构设计深受人类身体特性的影响。因此，大部分类人机器人的建模都是非常类似于人类的身体。它们都是由一个中枢部件连接两个下肢。整个机器人的自由度(DOF)决定了系统的复杂性。而且众所周知的是，就算是极简单)未开动的系统都可用于生成动行走的动作。 为了研发出可以行走的类人型机器人，许多研究者都首先专注在两足机器人的研究上。在本文中，我们致力于开发出一种具有稳定性的动态行走的机器人。Vukobratovic等人研究行走的动力学并提出了零力矩点(ZMP)理论，该理论在稳定行走的研究中起到了重要的指导意义。Takanishi，Hirai，Fujimoto等人提出了基于零力矩点的步行模式合成，并成功的在真实机器人上加以实现。零力矩点(ZMP)理论对于机器人动力学的稳定性具有至关重要的作用。 另外，由于一直以来研究者对类人型机器人的高度关注，使得这个领域有了重大的进步。例如：本田的ASIMO，索尼的SDR-4X，富士通的HOAP机器人等等。 Park与Kim提出了重力补偿倒立摆模式(GCIPM)，并通过从躯干开始将双脚分开进行建模来提高了运动稳定性。 两足步行机器人的行走轨迹应该是具有光滑性并能够有效地节省电力。为了获得最佳步态轨迹我们可以使用人工智能来进行优化。 演化优化方法，例如：演化程序规划(EP)，演化策略(ES)，遗传算法(GA)，遗传程序规划(GP)等，都是一种在非线性系统中以找到最佳的解决方案的方法。每种方法都有其各自不同的特点，例如遗传算法对于组合优化问题具有良好的表现，例如旅行推销员问题(TSP)．又如演化程序规划和演化策略对于数值优化问题具有更好的表现。遗传程序规划可以很好的获取用程序设计语言编写的好策略。 对于两足步行机器人最优轨迹搜索问题是一个同时具有组合优化和数值优化的问题，因为步态行为是由许多中间的姿态来相结合，这是通过关节的角度来表示出来的。因此这些相结合中间姿态应该利用遗传算法来进行优化。 在本文中，遗传算法被提出用以搜索双足步行机器人行走的最优轨迹，通过能量是否得到节省来进行判断。两个交叉的方法是分别用在这个过程中的两个遗传算法，并且我们比较了通过这两种遗传算法产生的步态轨迹和原来的轨迹性能。此外，判断优劣的函数是通过对步态轨迹所产生的转折点来评估轨迹的优化与否。在遗传算法中判断优劣的函数采用了并行算法来进行设计。所有的过程都进行调研并通过三维仿真技术，对一个具有10个自由度的双足机器人进行了技术上的验证。