当代社会中,火灾、毒气泄漏等灾难无法避免,而依靠人或动物的味源定位会将生命置于危险之中,因此如果机器人能够主动寻找和定位气味源就具有可观的现实意义了。利用机器人主动搜索气味源的方法叫做主动嗅觉,如何选择合适的规则指导机器人行动就成为问题的核心。主动嗅觉的过程可以看作接收浓度信息和对应坐标信息,然后移动寻找和定位气味源的过程。主动嗅觉也存在着浓度阈值敏感问题,主动嗅觉分为烟羽发现、烟羽追踪和味源确认三个阶段。阶段的切换与浓度阈值相关,而浓度阈值的设置与理想值必然会有相当的偏差,如此便存在如何应对浓度阈值设置不合理的问题。此外,场景中的障碍物会导致风场和浓度场出现残缺和紊乱,机器人行进路线也会受阻,进而影响味源定位的效率。针对以上问题,本文提出了一种用于主动嗅觉,兼顾全局烟羽和局部气味浓度搜索能力的算法——风向人工生态系统优化算法（WAEO）。本论文主要工作如下:（1）构建能够应对阈值浓度敏感问题的主动嗅觉味源定位算法。人工生态系统优化（AEO）是一种启发式优化算法,优化原理源于自然界中的生产者、消费者或分解者能量传递机制。生产者的平衡机制协调探索和开发,消费者的探索趋向以及消耗因子进一步的促进全局烟羽搜索,分解者的开发趋向促进局部浓度搜索。本文利用Fluent搭建无障碍物室内仿真场景,合适的烟羽面积占比模拟浓度阈值的设置可能存在不合理,再结合AEO构建主动嗅觉算法进行仿真实验,仿真结果表明基于AEO的味源定位能够应对阈值敏感问题。（2）根据气味扩散的特点改进基于AEO的味源定位算法。气味扩散与风向具有强相关性,因此本文设计了多维度利用风向信息的离散风向系统（Wind）,配置在AEO上后得到WAEO。本文在无障碍物室内仿真环境中对比了WAEO和其他主流算法,对比结果显示WAEO在搜索时间和搜索成功率上都有显著优势,特别是机器人数目较少时。（3）搭建更为复杂的环境以探究算法的适应度。现实场景中气味源浓度大小和类型更为多样,也存在着各类障碍物。因此,本文首先将无障碍物室内场景划分为低浓度区域和高浓度区域,用以模拟更为恶劣的浓度阈值始终不合理的情况,又利用曲线积分计算性能偏差,定量的实验结果表明相较于其他主流算法,WAEO在遇到浓度阈值不合理时,产生的性能偏差最小。本文接着搭建了杂物间障碍物场景和办公室障碍物场景,并且设计了信息富裕的避障策略,实验结果表明在简单的避障策略下,避障导致的时间绕行损失无法避免,风场和浓度场的残缺和紊乱对搜索成功率基本没有影响,但是会略微影响WAEO的搜索时间。