机器人技术是机器人与人工智能中的一个重要分支,是一项离我们越来越近的高新潜力技术。从农业领域到军事,航天航空,工业制造,服务业等诸多领域,机器人都有广阔的发展空间。机器人运动过程中环境的复杂性与不确定性,决定了路径规划是它的一个研究难点与研究重点。而路径规划,就是在已知或者未知的环境中找出起点到终点的一条路径,这条路径必须是不会碰到障碍物的。智能仿生算法,是一种模拟生物行为的智能计算方法。因为其有着并行性、快速性和鲁棒性等优点,被国内外专家学者所关注。智能仿生算法各有其特点,根据优点与缺点的不同能够解决很多复杂的难以解决的问题。其中比较新型的是粒子群算法、人工神经网络算法以及本课题用到的人工鱼群算法。人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)近年来逐渐被越来越多的人所关注,它具有强大的鲁棒性以及高效地收敛速度,所以被广泛应用于各个领域。本文主要通过改进人工鱼群算法来完成机器人路径规划的研究。首先系统地介绍了人工鱼群算法的原理与思想,深入分析了人工鱼群算法的优缺点。然后针对路径规划的特点,设计了适应度函数,有效提高路径的全面性,同时添加方向算子,提高路径查找的速度,解决算法在后期搜索效率降低的缺点,引入免疫算法,增强全局搜索能力,有效地克服人工鱼群算法容易陷入局部最优解的缺点。最后将方向性免疫人工鱼群算法进行实验验证。实验平台采用C++语言搭建,通过visual studio软件分别对基本人工鱼群算法与方向性免疫人工鱼群算法进行了测试,将这两个算法在四个不同类型地图应用进行模拟仿真与比较。实验的数据结果表明了方向性免疫人工鱼群算法能有效地提高路径规划的性能与效率,证明了方向性免疫人工鱼群算法的效果优于基本的人工鱼群算法在机器人路径规划中的效果,能很好地解决人工鱼群算法存在的缺点。最后,对论文所做的工作进行了全面总结,在此基础上对机器人路径规划的未来进行了展望。