1.一种基于增强拓扑神经演化算法的二维污染源定位方法，首先，在选择的有障碍的待检测区域内，往所述待检测区域投入污染物；其次，在已投入污染物的待检测区域内，放入n个用于进行污染源定位的探测设备，所述探测设备内设有一个用于检测污染物浓度值的浓度传感器，以及若干个用于检测周围是否有障碍物的障碍物传感器；其特征在于，还包括以下步骤：S1、在启动所有的探测设备之后，若探测设备i在多个连续的运动周期内检测到的污染物浓度值没有发生变化，则认为探测设备i所处的位置即污染源，此时探测设备i停止运动；

否则执行下一步骤；其中，i＝[1,2,…n]；

S2、每间隔时间T，将每个探测设备的障碍物传感器标志位集合S和浓度传感器标志位C组成输入集合I＝{C,S}，将所述输入集合I＝{C,S}输入到使用增强拓扑神经演化算法构建神经网络模型中，根据神经网络模型的输出结果，来调整探测设备的运动角度及速度；在每个探测设备做完调整之后，返回步骤S1，判断是否定位到污染源；其中，在探测设备i发生碰撞或能量用尽时，该探测设备将停止运动；且在所有的探测设备均停止运动之后，将进一步执行步骤S3；

S3、首先，利用增强拓扑神经演化算法里设定的适应度函数对每个探测设备进行适应度评估，其中，将适应度最大的探测设备作为当前定位过程中，能够有效进行污染源定位的较优探测设备；然后，结束步骤S3并返回到步骤S1，将步骤S1至步骤S3的执行过程重复执行m次，其中，m≥2；将每次执行过程中计算得到的较优探测设备进行组合得到最优设备集合ψ，根据得到的集合ψ，进一步确定与每项设备相适应的适应度集合γ；

S4、在步骤S1至步骤S3执行m次之后，将适应度集合γ中的每项较优探测设备的适应度值进行比较，其中，将适应度值最大的较优探测设备作为最优探测设备，当前最优探测设备的定位路线即为最终定位到污染源的路径。

2.根据权利要求1所述的二维污染源定位方法，其特征在于，将探测设备的所有传感器标志位作为神经网络模型的输入；并设定神经网络模型输出“00”、“01”、“10”和“11”四种命令，来控制探测设备的移动角度和速度。

3.根据权利要求1或2所述的二维污染源定位方法，其特征在于，将障碍物传感器的标志位设为sk，与其对应的标志位集合为S＝{s1,s2,…,su}，其中，标志位sk取值为：其中，l为障碍物传感器的探测长度，d为探测设备与障碍物之间的距离；u为障碍物传感器的个数；

将浓度传感器的标志位为C，其取值为：

其中，Δc为浓度传感器探测到的当前时刻的浓度c1与前一时刻的浓度c0的差值，即：

4.根据权利要求1或2所述的二维污染源定位方法，其特征在于，探测设备的移动计算公式分别包括当前时刻偏转角度：Δθ0＝f(c0)×θmax；当前时刻速度：v0＝f(c0)×vmax；下一时刻位置： 下一时刻角度：θ1＝θ0±Δθ0；下一时刻偏转角度：Δθ1＝f(c1)×θmax；下一时刻速度：v1＝f(c1)×vmax；下一时刻剩余能量：E1＝E0-Euse；

其中，Δθ0是当前时刻的变换角度；c0是当前时刻探测设备采集的污染物浓度；f(ci)是污染物浓度函数；θmax和vmax分别是设定的探测设备的移动角度和速度能够取到的最大值；

是当前时刻探测设备所处的位置；T是探测设备运动一次的时间； 是当前时刻探测设备的角度向量， θ0是当前时刻探测设备的角度；c1为下一时刻体采集的浓度；E0为当前时刻剩余能量；Euse为每个探测器运行一次消耗的能量。

5.根据权利要求4所述的二维污染源定位方法，其特征在于，在调整探测设备的移动速度和变换角度时，为了确保探测设备在污染物浓度较小的位置速度和偏转角度够大，而在污染物浓度较大的位置速度和偏转角度够小，选取f(ci)为关于污染物浓度的减函数，使得体更快的接近污染源；

在调整探测设备下一时刻移动角度的过程中，在探测设备得到“01”命令时，Δθ0前的计算符号选择“+”；在体得到“10”命令时，Δθ0前的计算符号选择“-”；在体得到“11”和“00”命令时，Δθ0前的计算符号随机选择“+”或“-”，且其取值会在范围[α,β]内随机取值。

6.根据权利要求1所述的二维污染源定位方法，其特征在于，在所有的探测设备都停止运动之后，设探测设备i的剩余能量比例为Ei，将当前所处位置的污染物浓度设为Ci，则有n个探测设备的剩余能量比例集合E＝{E1,E2,…,En}，污染物浓度集合C＝{C1,C2,…,Cn}；

利用增强拓扑神经演化算法里设定的适应度函数对每个探测设备进行评估，其中适应度函数设定为：

fitness＝τ×Ci+(1-τ)×Ei,i＝1,2,…n；

其中，0≤τ≤1为设定的权值，将计算所得的适应度最大的设备作为当前定位过程中的较优探测设备。