廖列法，张幸平+，李 帅，杨翌虢

(1.江西理工大学 信息工程学院，江西 赣州 341000；2.斯旺西大学 工程学院，英国 威尔士 斯旺西 SA1 8EN)

0 引 言

许多生物通过感知气味信息的变化可以进行自主活动。例如飞蛾利用气味可以成群飞行[1-3]，鱼和鸟利用气味可以寻找食物[4-6]，虫类利用气味可以搜寻营养物质[7]。与仿生原理类似，机器人主动嗅觉问题[8,9]可理解为机器人通过感知器的反馈进行自主定位、环境探索与自主导航等。在一些特定场景下，通过机器人的感知原理能够完成特定气味源的定位，比如在火场中可利用机器人搜索火灾源以及灭火。因此，特定信号源的定位应用广泛且具有与人互补的优势。

从函数优化的角度理解定位问题：信号源是信号最强的点，即在全局空间寻找信号最强的位置。信号在传输的过程中，受到信号辐射与扩散的影响，信号强度从信号源逐渐向外扩散减弱。若可用函数表示信号强度的变化，则可以通过梯度上升定位信号源。但大多数情况下，无法确定信号源扩散形成的信号场，不能用函数进行表示，而且信号受到干扰的影响，可能形成局部最强。近些年，针对在函数未知的情形下全局寻优，往往可以使用蚁群算法[10,11]、粒子群算法[12]、微粒群优化(PSO)算法[13,14]、遗传算法[15,16]、萤火虫算法[17]等，并且结果大多比较理想。但这些算法往往都源于生物种群思想，即需要很多粒子或者机器人才可以进行搜寻，同时协作要求高、实时性要求强。

天牛须搜索(beetle antennae search，BAS)算法[18,19]是利用天牛觅食行为的仿生机制提出的一种全局寻优方法。……