随着“国家智慧教育平台”等一系列在线学习平台的应运而生,充分展示了教育信息化转型的不断加快。在线学习平台的出现,使得学习者可以随时随地的在网络上获取到自己所需的知识。然而,相比于传统课堂,在线学习平台忽略了学习者与学习资源之间的差异性,学习知识点范围广泛,内容资源类型繁多,导致学习者在掌握知识的过程中极易出现“学习迷航”的现象,从而无法为学习者推荐符合其特征需求的学习路径。针对上述问题,本文从学习者与学习资源特征方面入手,分析了个性化学习路径推荐问题,通过改进二进制粒子群算法优化个性化学习路径推荐模型,进而提高个性化学习路径推荐的精确度。本文的研究工作主要包括:1.提出了一种非线性因子的粘性二进制粒子群算法（NFSBPSO）。NFSBPSO算法从种群初始化和粘性因子的递减策略两方面进行改进,种群初始化采用logistic混沌策略,粘性因子采用非线性递减策略,增强了粒子的多样性,更好地平衡了NFSBPSO算法在全局和局部之间的探索能力。2.提出了基于二维特征模型的学习路径推荐算法（TDFM-LP）。通过对在线学习平台中学习者与学习资源特征的分析,构建了基于学习者和学习资源二维特征的学习路径推荐模型,将NFSBPSO算法运用到该模型中,对其进行优化,得到一个学习路径的最优解。实验表明,该算法可以得到一个匹配度较高的学习路径。为了验证所提算法在学习路径推荐问题中的有效性和实用性,将其应用到开发的在线学习平台中,向学习者展示了符合其需求的学习路径及学习资源。相比现有的在线学习平台,提高了学习者的学习效率和学习路径的推荐精度。