移动机器人的路径规划问题一直备受科研工作者的关注,但用传统算法解决此类问题,大多具有鲁棒性差和算法的不确定性等特点。因此,对路径规划问题的研究一直在继续。免疫算法是一种仿生类算法,它可以解决某些非线性问题,变异过程可以跳出局部最优,免疫系统中的变异过程在路径规划时可跳出局部最优解,因此在解决移动机器人路径规划问题时起到重要作用。本文在免疫机理的基础上进行研究,主要研究工作如下。引入一种基于人工免疫算子的算法,在全向空间内构建疫苗启发因子,根据疫苗启发生成初始抗体种群,初始抗体种群限制了转向角的大小,克隆变异时变异节点连接所有可连接节点,整个变异过程具有确定性,输出的路径也是唯一的。以单个节点为基本单位构建存储结构,避免了信息被重复存储,节省了储存空间,同时节点之间能够进行信息交互,所有路径信息均被存储在节点存储结构中。对上述算法进行改进,将每代输出路径值作为下代椭圆方程的长轴,路径起始点、目标点作为椭圆的两个焦点共同确定椭圆方程,椭圆方程所在的范围即为椭圆搜索区域,椭圆性质限定路径向最优解不断靠近。建立两层节点删除机制,删除椭圆外无效节点,同时删除椭圆内不合格节点,算法搜索的路径点数量逐渐减少,节省了算法运行时间,提高了算法搜索效率。算法迭代空间被限定在椭圆搜索区域内,迭代范围逐渐缩小,椭圆方程不断构建,节点数量不断减少,进而实现动态控制。该论文有图41幅,表8个,参考文献61篇。