从行为心理学发展而来，介于监督学习和非监督学习的强化学习算法，目前是机器学习研究领域的热点，越来越受到关注。现有的强化学习算法如Sarsa学习算法、Q学习算法等需要大量的存储空间来存储已有的知识，在大规模或连续状态空间问题上，可能会引发“维数灾难”;而基于非线性值函数逼近的的时间差分学习TD(λ)算法，易陷入局部极值，并且算法是发散的。考虑到智能计算算法的全局寻优能力、自适应性等特点，本文分别使用遗传算法和免疫耐受机制对强化学习算法进行优化。　　结合遗传算法的全局搜索能力，本文提出了一种基于遗传算法的强化学习算法，将强化学习算法中的权值整体看成是种群中的个体，仿生物“自然选择”机理，对种群进行择优迭代，执行选择、交叉、变异等操作。其中，选择操作是通过轮盘赌方法，采用精英保留策略，对种群中的个体以一定的概率随机性进行较优迭代;交叉是按照单点交叉，对随机交叉点的两个个体进行两两交互;变异是对个体的随机基因位进行高斯变异。同时，在理论上进行了算法分析，在仿真实验上对新旧算法进行了对比，均表明新算法具有更好的性能。　　为了记忆对环境的学习，从而在遇到相似环境时加快学习速度，本文接着提出了一种基于免疫耐受机制的强化学习算法。该算法以TD（λ）为前提，在免疫耐受机制的基础上，对权值进行耐受调整。在学习中，用权值控制基于函数逼近的状态值;当误差大于一定阈值时，使用免疫耐受对权值进行优化，否则直接根据系统状态选择最优策略。经过性能分析和仿真实验，结果表明新算法能以更小的误差、更快地进行全局搜索，并且算法具有更强的多样性，算法性能受学习因子影响更小。　　最后，本文将改进后的强化学习算法应用于机器人路径规划。建立栅格地图，用0和1表示地图信息，计算路径选择后的避障奖赏和趋近目标奖赏，反馈优化算法。在仿真实验的基础上，对算法应用进行了详细说明，并与现有算法的机器人路径规划应用进行了对比，结果表明改进后的算法具有更好的效果。