人们在研究基于神经驱动的自主智能体进行路径规划的过程中已经取得了一定的成就。针对目前自主智能体神经控制器在进化优化过程中还存在的问题，本文利用更加具备生物可解释性的发育方法和进化机制，通过使用更加符合生物特性的脉冲神经元，以及更加具备生物可解释性的学习规则对脉冲神经网络控制器进行优化设计，提出了一种基于脉冲神经网络的进化自主智能体路径规划方法。该方法应用递归基因调控网络的动态特性表示细胞命运特化的发育过程，使用权值替换算子和增加噪声算子对递归基因调控网络进行变异操作，自主智能体通过发育与进化得到的脉冲神经网络控制器分别在静态环境和动态环境下进行路径规划实验。在静态环境的实验中，首先，验证不同的感觉运动系统和不同规模的脉冲神经控制器下的自主智能体的路径规划效果；其次，验证通过改变基因调控网络的调控节点和调控权值尺度来分析在不同网络参数下的脉冲神经网络控制的自主智能体的路径规划效果；再次，在递归基因调控网络进行变异操作过程中分别采用权值替换算子和增加噪声算子，通过比较分析两类不同变异算子对自主智能体进行路径规划时效果的影响；最后实验通过改变自主智能体感知半径和运行速度来验证不同的感知半径和运行速度的自主智能体进行路径规划的性能。在动态环境的实验中，首先，验证不同的感觉运动系统和不同规模的脉冲神经控制器下的自主智能体进行路径规划时的效果，并与静态环境下的实验效果进行了比较；其次，通过改变自然场景中障碍物数目和障碍物的运行速度来分析该方法对自主智能体进行路径规划效果的影响。考虑脉冲神经网络驱动的自主智能体的生命周期学习机制，给出了脉冲时间依赖的突触可塑性的学习规则和相应的数学模型，并通过在静态和动态环境下分别分析了基于STDP的学习过程对路径规划的作用。仿真结果表明,基于进化脉冲神经网络的路径规划方法对于自主智能体在静态和动态环境下具有较好的实时性和适应性，达到准确定位目标。