危险化学品事故泄漏场景中,快速准确地提供泄漏源位置和泄漏强度可以为现场应急救援提供有力的数据支持。本文按照“源强参数初步预估—源位置范围确定—泄漏源精确定位”的三段式研究思路,提出适用于源强反算问题的搜索算法框架,主要完成如下工作:(1)提出了一种改进型遗传算法(MGA)用于快速高效地完成源强参数初步预估的任务。遗传算法作为处理源强反算问题使用最广泛的优化算法,存在早熟收敛、计算成本高等问题。改进型遗传算法通过引入“淘汰者基因库”扩充算法前期的搜索空间,引入“跟随和搜索”策略强化收敛域内的局部搜索力度,通过模拟实验验证了改进型遗传算法的小种群适用性和较强的误差适应性。(2)以马尔科夫链蒙特卡洛抽样(MCMC)完成源位置范围确定的任务。改进型遗传算法的结果作为MCMC初始抽样点,以解决MCMC初始点依赖性问题。提出“对数平衡”数据处理方式和“部分匹配,协同搜索”的运算策略,以提升MCMC的误差适应性。(3)提出了一种改进型保守收敛粒子群算法(MGC-PSO)用于完成泄漏源精确定位的任务。MGC-PSO引入了“征调和重置”策略使得算法具有更强的误差适应性和更快的时间响应。并在MGC-PSO算法基础上设计出适合于多泄漏源场景中的多源并行定位算法(MS-MGC-PSO)。(4)分别提出适用于单泄漏源场景和多源场景的搜索算法框架。单源场景的搜索算法框架是依次串联使用MGA、MCMC和MGC-PSO算法实现源强反算的三段式搜索路线。多源场景的搜索算法框架引入了主成分分析(PCA)用于预估多源场景泄漏源数目,随后依次串联使用序列MGA、MCMC和MS-MGC-PSO算法,以“分而治之”的策略将复杂的多源场景划分成多个单源场景的组合,实现多源场景下的气源定位。