近年来,随着中国国际贸易竞争力的逐渐增强,海运进出口贸易总量不断提升,以远洋运输为主的船舶运输贸易得到了蓬勃发展。目前船舶的航行逐渐向信息化、精准化发展,如何设计出最便捷、最高效的船运航线一直都是各个国家不断研究的课题和方向。在船运设计中,船舶的航行路线主要受到气象水文、海面环境等多方面影响。本文结合粒子群和免疫算法的理论特点,考虑气象环境对船舶航运的影响,在对粒子群算法惯性权值改进的基础上,设计了一种改进惯性权值的免疫-粒子群算法,并应用于远洋气象航线规划仿真系统中,验证分析了该算法的有效性,主要研究内容如下:（1）建立航行过程中船舶航线规划的环境数学模型。利用栅格法和墨卡托投影将地图地理环境进行规划,分析航线指标在墨卡托投影下的计算方法。建立离散化航线数学模型,确定航段数量、位置变量、航线变量、速度变量等控制变量信息。围绕风浪对船速的影响,介绍了几种风浪环境下的失速计算方法和临界速度的计算方法,确定了气象模型的获取方式。（2）提出粒子群算法的改进策略。分析粒子群算法的基本原理,通过设定一个固定的目标函数,研究其相关参数变化下算法对目标函数的求解情况。其中,以惯性权重作为分析重点,研究不同惯性权重的设定对粒子群算法最优解的影响,提出了一种改进型惯性权重的设计方法,经验证分析:该改进型惯性权重粒子群算法对全局变量的求解优于其他几种惯性权重的策略方法。分析免疫算法的优缺点,设计一种混合免疫的粒子群算法,经过对目标函数的求解分析,证实该免疫-粒子群算法较基本粒子群算法的收敛速度更快,全局搜索性和过程求解的性能更好。（3）设计气象环境下船舶的航线规划算法。在环境模型的基础上,确定初始的通航区域、目标函数以及适应度函数。将优化后的惯性权重策略结合免疫-粒子群算法,提出一种改进惯性权值的免疫-粒子群算法,并应用于气象环境下船舶的航线规划设计中。利用Pareto前沿最优解确定多目标函数的最优解集,对目标函数分别赋予不同的权值,从而求出多目标函数的综合最优解。最后,建立可视化的仿真系统,以航行时间和航行风险作为目标函数。分别使用改进惯性权值的免疫-粒子群算法与基本粒子群算法进行单目标和多目标的船舶航线规划,经过对比分析,得出结论:无论在单目标还是多目标的航线规划设计中,该改进算法均优于传统粒子群算法,具有良好的航线设计规划能力。