1.一种基于动态种群的大气污染物溯源算法，该算法针对多无人机大气污染物溯源问题而提出，该算法包括以下实现步骤：步骤1:初始化，即设定无人机集群的初始溯源位置；设定算法终止条件的浓度阈值concentration_max、最大迭代次数iteration_max；设定种群多样性的阈值范围[D0，D1]；设定种群个体的总数N；

步骤2:按照种群的更新策略对种群角色进行分配更新；

步骤3:算法终止条件的判断，若符合终止条件，则算法终止，否则，转入步骤步骤4；

步骤4:根据无人机个体的当前位置和各自的更新策略从而更新无人机个体的位置，进而完成大气污染物溯源任务。

2.根据权利要求1所述的一种基于动态种群的大气污染物溯源算法，其特征在于：所述步骤2中应用动态种群思想将多台无人机视为一个种群，把种群中的无人机分为三种角色：主机，从机，侦察机，遵从规则如下：(1)主机的位置是当前溯源任务中已发现浓度最高点的位置，主机每次都是种群位置更新后浓度最高的那个个体；

(2)从机是在主机周围区域进行细化种群的局部搜索能力的角色；

(3)侦察机是用来进行随机搜索，提升种群搜索的全局最优能力，侦察机每次都是气体浓度最低的一个；

(4)在每次种群所有的个体的位置更新完毕后，会根据种群的多样性对种群的角色进行更新，实现算法动态种群的特性，种群的多样性本发明采用Shannon‑Wienner多样性指数来进行衡量，公式如下：

式中S为群体中角色的种类数，N为整个群体中个体的数量，Ni是i的个体数；

(5)设定种群多样性的阈值范围[D0，D1]，使种群的多样性保持在D0与D1之间；

(6)当种群的多样性低于阈值D0时，增加侦察机数量，减少从机数量，从而提高种群搜索的全局寻优能力，按照均匀分布产生[0,20％]之间的随机数，将其与S相乘，得到增加侦察机的数量；

(7)当种群的多样性大于阈值D1时，增加从机数量，减少侦察机数量，从而提高种群局部寻优性能，按照均匀分布产生[0,20％]之间的随机数，将这其与S相乘，得到减少侦察机的数量。

3.根据权利要求1所述的一种基于动态种群的大气污染物溯源算法，其特征在于：所述步骤4中从机位置更新策略为：溯源任务中每次的位置更新是在主机位置更新规则的基础上，将主机的位置与浓度差，综合量化为一个指标(主机信息)massage_M；从机所测量的气体浓度模糊语言描述与主机相同，将主机信息作为一个额外的指标，对从机所输出的角度与步长信息按照一定规则进行修正，从而使得每台从机都可以结合主机的相关信息进行高效率的溯源搜索，修正规则如下：

将主机的所测量到的最高气体浓度与从机所测量到的最高气体浓度进行比较：(1)如果浓度等级属于同一强度，则该从机不受主机信息的影响，按之前单无人机的模糊控制溯源算法所计算的步长与角度进行更新从机位置；

(2)如果从机大于主机浓度，则将该从机视为新的主机，不受原主机信息的影响，按之前主机位置的更新策略更新位置；

(3)如果从机小于主机浓度，则需要按照主机的位置进修正更新策略，即将从机的下一步更新位置的方向A1替换为主机相对于从机位置的方向A0与A1的合成方向，从机更新位置的步长不变。

4.根据权利要求1所述的一种基于动态种群的大气污染物溯源算法，其特征在于：所述步骤4中侦察机位置更新策略为：按照随机游走的策略，提升种群搜索的全局最优能力，每次位置更新的步长都相对较大，转动角度与步长均为随机值，如下式：Angle＝α ST＝rdmax其中：α为一随机方向，r是正态分布生成的平均值为0且标准差为1的随机常数，dmax是主机位置更新策略中的最大步长。