近些年,机器人是人类发展最有潜力领域之一,在工业、农业、服务业等领域应用越来越广泛。但随着机器人技术的不断发展,人类对机器人的需求也从单机器人转到多机器人系统,随着多机器人研究的深入,多机器人路径规划问逐渐成为当今机器人领域的研究热点。多机器人的路径规划问题关键在于要在具有多个机器人多个任务点的环境中,将环境中的任务点根据合理的分配策略分配给每个机器人,每个机器人在分配到的任务中寻找出一条无重复无遗漏的最短路径回路。基于此,在具有多个机器人和多个任务点的系统中,先把环境中的任务点分配给机器人,然后每个机器人根据实际任务点进行路径规划。在多机器人系统路径规划问题中,首先需要将环境中的任务合理的分配至环境中各个机器人。本文根据机器人具体能力进行任务分配,即考虑了机器人的电量和速度。在任务分配时,将任务点分配给所需代价最小的机器人,代价公式充分考虑了机器人速度和电量,将环境中的任务点分配给所需电量最少和时间最短的机器人。机器人路径规划问题是依据某些优化准则对环境中的任务点进行遍历,该问题较难求解出最优路径。本文采用免疫遗传算法解决这个问题是因为该算法既具有遗传算法的全局搜索能力又保留了免疫算法的浓度因素。在后期进化时,会对高适应度个体进行提取形成精英抗体群。但传统的算法在收敛速度和抗体多样性方面存在不足,本文针对这些问题,对传统算法做了改进。在产生初始抗体群时,采用最邻近算法生成初始解,大大提高算法收敛速度,又避免算法陷入局部最优解。此外,本文将传统的抗体相似度与路径结构相结合,该方法提高了种群多样性,并提高了算法收敛速度和找到更优的解。本文针对这一问题建立仿真环境,保证了所有机器人和任务点的位置等信息都是模拟真实环境。将根据机器人具体能力的任务分配方法和免疫遗传路径规划方法在仿真环境进行实验与分析。实验结果表明,以上方法可以解决多机器人多任务点的路径规划问题。