遗传算法是一种进化计算技术,也是一种基于叠代的工具。系统初始化为一组随机解,通过叠代搜寻最优值。目前已广泛应用于函数优化、神经网络训练、模糊系统控制以及其他应用领域。显示出遗传算法在求解复杂问题方面的优越性。本文综述了遗传算法的产生和发展历程,详细阐述了其生物学机理;介绍了基本遗传算法的原理、特点、实施;同时针对遗传算法存在的一些缺点,列举了当前的一些典型的遗传算法改进算法,对其在各领域的应用做了简要的叙述,并在遗传算法的基础上提出了一种改进的新算法——免疫遗传算法。同时综述了机器人的起源与发展历程,展望了未来机器人的发展方向——智能机器人。智能机器人中最重要的一个研究课题是移动机器人的路径规划,在文中详细地说明了移动机器人路径规划的一般概念、特点、分类及其进行路径规划的一些基本问题以及几种常见的路径规划方法。在此基础上,本文结合移动机器人路径规划的特点,提出了基于带精英保留的免疫遗传算法的移动机器人全局最优路径规划方法。该算法很好的解决了遗传算法存在的一些问题,主要有早熟收敛、容易陷入局部最优、局部搜索能力较弱、收敛速度慢等。基于精英保留免疫遗传算法的移动机器人全局最优路径规划方法分为二步:第一步是利用栅格法建立移动机器人的自由空间模型,第二步是采用免疫遗传算法为机器人搜索出一条全局最优路径。我们已经对所提出的算法进行了计算机仿真,通过结果对比,证实了本文所提出的方法无论是在收敛速度,还是在动态收敛特征方面都比基于基本遗传算法移动机器人全局路径规划方法更好。