近年来，空气污染已严重地危害了人们的身体健康与生活环境。部分城市频繁出现雾霾天气，不同程度的阻碍了交通运输以及社会经济的发展。空气污染不仅仅是一个城市、一个国家的问题，还是全球重点关注的问题。因此，空气污染问题已经成为急需研究的课题。针对这一问题，本文主要基于空间分数阶反常扩散方程，采用花朵授粉算法及其改进算法-小生境花朵授粉算法来研究扩散系数和源项辨识问题。　　传统的花朵授粉算法容易受到局部极值的影响，而小生境策略的采用可以有效的避免陷入局部最优，因此本文将共享机制的小生境策略与花朵授粉算法相结合，对传统的花朵授粉算法进行改进，提出了小生境花朵授粉算法。改进后的小生境花朵授粉算法通过添加共享函数来调节种群个体之间的适应度，从而使得在寻优过程中能够有效避免陷入局部最优。为验证改进算法的优越性，基于20个benchmark函数对比了小生境花朵授粉算法与花朵授粉算法、遗传算法、改进遗传算法以及布谷鸟算法的寻优结果，结果表明相比于其他算法，小生境花朵授粉算法具有更好的收敛效果和更高的精度。　　在多模态函数优化研究的基础上，我们采用花朵授粉算法及其改进算法反演了空间分数阶反常扩散方程的扩散系数和源项。针对所提出的算法，从种群数、转换概率、搜索区间、小生境个数等方面进行了灵敏度分析，并进一步讨论了算法的抗噪性。试验结果表明，对于空间分数阶反常扩散方程的参数反演问题，小生境花朵授粉算法要比花朵授粉算法效果具有更好的收敛效果和更高的求解精度。