人工蜂群算法(ABC算法)自提出以来，得到了广泛的应用。为使算法性能得到进一步增强，本文提出了一种改进的ABC算法（IABC算法），对算法的各主要阶段进行集中地改进。首先，通过在初始位置生成规则中引入一个混沌算子来建立混沌映射规则，以确保初始位置的遍历性。然后，设计了一个等距离分布式并行搜索规则，在此基础上进行初始位置的邻域搜索，以提高收敛速度和局部搜索能力。接下来，使用轮盘赌和反轮盘赌并行的选择策略，即引入反轮盘赌机制，以选择当前较差的位置来跳出局部最优。同时，提出了一种基于引力势场的全局更新机制，以此引导位置的舍弃和补充，增强全局搜索能力。计算结果表明，IABC算法提升了算法的收敛速度和解的质量，而不会过早成熟。　　算法改进后，使用Taguchi方法对IABC算法进行结构分析，该方法着重于对影响IABC算法性能的关键因素的因素水平进行分析，关键因素包括:初始位置生成规则中的混沌映射规则，等距分布式搜索规则，并行选择策略以及全局更新机制中的阈值。试验分析结果显示，在IABC算法中已经实现了关键因素水平的最佳组合，其优化效果较佳。　　最后，应用IABC算法进行机器人的路径规划，利用Taguchi正交试验进行算法参数以及目标函数分析，以此选取实验参数值，进行基于ABC算法与IABC算法的路径规划对比实验。实验结果表明，IABC算法规划出了较佳的路径，同时提升了规划效率。