在人工鱼群算法智能仿生应用于机器人路径规划中,为提高规划的求解速度、降低规划路径长度,存在算法后期收敛速度降低和易陷入局部最优解的缺点。为此在上述算法的基础上,引入方向算子来提升觅食、聚群和追尾三种鱼群行为的准确度和成功率,增加免疫记忆操作来提高算法的全局搜索能力并减少局部极值出现的概率。在两种典型栅格地图环境下的仿真结果表明,免疫-方向性人工鱼群算法IDAFSA(Immune-Directional Artificial Fish Swarm Algorithm)算法与快速遗传算法(FGA)^([2])和常规人工鱼群算法(AFSA)^([6])相比,具有更好的结果稳定性、更短的计算时间和更接近最优路径的可行解。
