一种改进的粒子滤波目标跟踪算法

针对无线传感器网络实际环境的非线性模型目标跟踪问题,提出一种改进的粒子滤波跟踪算法。首先用模糊C-均值算法确定量测的目标归属,对同一目标的量测进行线性融合,然后用采样重要重采样粒子滤波估计目标位置。仿真结果表明：在非线性模型下,所提出算法与扩展卡尔曼滤波相比,目标估计位置的均方根误差从0．6895m显著减小到0．3703m。     

目标规划的一种解法

通过例子说明,对于目标规划问题可以不引入偏差变量,而依优先级别采取逐步将目标转化为约束条件的办法,便能求得整个问题的满意解。     

基于变参数阈值的随机扩展树算法路径规划研究

针对随机扩展树算法在未知空间中进行路径规划扩展时随机性大,且扩展的树节点在整个环境空间中搜索过于均匀等问题,提出一种基于变参数阈值的随机扩展树算法。改进后的算法在路径规划中,针对具体情况选取参数阈值作下一步扩展,使得每次扩展都有着一定的概率性偏向目标|同时设定可变参数阈值,避免了陷入局部极小值,有效解决了随机性大和搜索均匀问题。通过Matlab仿真实验,验证了该算法的可行性和有效性。     

一种基于蚁群算法的无人机协同任务规划优化算法

随着无人机在军事领域的广泛应用,越来越多的无人机将应用在未来战场,因此无人机协同规划变得越来越重要。建立了多无人机协同任务分配模型,并研究了模型求解的有效算法。在蚁群算法的基础上提出针对密度较大目标区域的多无人机协同任务规划的优化方法,优化蚁群算法的搜索条件,降低了蚁群算法的时间和空间复杂度。     

基于扩展MeanShift算法的移动目标跟踪研究及实现

为克服时间差分法、模板匹配法、背景去除法以及光流法等传统移动目标跟踪方法的缺点,研究了MeanShift算法及扩展MeanShift算法,然后以LabVIEW为软件平台,实现了基于扩展MeanShift算法的移动目标跟踪程序,并用实验验证了扩展MeanShift算法在移动目标跟踪中的应用具有实时性、实用性、准确性和稳定性。实验结果表明,扩展MeanShift算法能很好地跟踪移动目标,甚至在移动目标被部分遮挡时也能对目标进行准确跟踪。     

整数规划的一种新算法

本根据求极大化整数规划的松弛问题的最优目标函数值是原整数规划目标函数值的上界，以及整数规划的其他特点，培出了求解整数规划的一种新的简便算法。本算法与割平面法、分技定界法等比较，当变量个数不很大时，具有更简便易行、大大减少计算工作量等优点，经试算效果明显。     

双层规划模型及其算法研究综述

本文综述了双层规划问题的几种主要分类模型,及近几十年来算法研究的进展情况,分析了双层规划主要算法的求解思想及其各自的优缺点。最后,展望了双层规划算法的研究趋势。     

线性目标规划的多阶段对偶基线算法

结合线性目标规划自身的特点,将对偶基线算法推广到了线性目标规划问题,形成了目标规划的多阶段对偶基线算法.通过编程与目标规划的单纯形法进行了比较,得到了较好的数值结果.     

一种新的基于闪烁噪声的扩展目标跟踪方法

针对闪烁噪声采用高斯分布建模敏感度大的问题,提出一种闪烁噪声下基于变分贝叶斯(VB)的扩展目标跟踪算法。在量测噪声逆协方差未知条件下,该算法首先将量测噪声建模为t分布,继而通过VB近似量测噪声逆协方差、目标状态以及自由度的后验概率密度,最后给出其高斯伽马混合分布实现。仿真实验表明,所提算法可以自适应地跟踪多参数未知情况下的多扩展目标,与传统算法相比具有较高的跟踪精度。     

一种求解多目标无约束0—1二次规划问题的文化基因算法

针对多目标无约束0—1二次规划问题,提出一种文化基因算法。该算法采用基于分解的多目标演化算法框架,能够获得分布均匀的非占优解;同时,采用一种简单、有效的禁忌搜索,能够利用更多问题相关的信息,获得质量更优的非占优解。该算法在优化的过程中能够动态地平衡多样性与收敛性。实验结果证明该算法能够很好地求解多目标无约束0-1二次规划问题,并且性能优于目前求解该问题较先进的算法。     

一种基于改进蚁群算法的山地三维路径规划算法

当前社会,很多用户需要在复杂的没有公路的山地地形,快速、准确的规划出三维路径,在避过障碍的同时达到某项指标最优。目前常用的路径规划算法,大多数只能规划二维平面路径;而一般的三维规划算法,大多运算算法复杂、需要很大的存储空间,同时无法在宏观全局角度来进行路径规划。文章在已有三维山地地图的基础上,采用一种改进的蚁群算法来解决上述问题。软件仿真结果显示,基于改进蚁群算法的山地三维路径规划算法在路径最优值计算和规划时间上都能够较好的满足需求。     

求解二层线性多目标规划的一种新算法

给出二层线性多目标决策问题数学模型的一种新解法,把线性加权模理想点法,Kuhn-Tucker条件、罚函数法和Frank-wolf结合起来,将二层线性多目标规划问题转化为单层单目标规划问题,使问题简化,从而得到原问题的解.数值验证表明所提出的算法是有效的.     

多目标规划的一种有效解法

本文以极大熵原理为基础,给出了多目标规划的一种有效解法,将约束多目标规划转化为无约束光滑目标函数的极值问题.     

一种改进蚁群算法的移动机器人路径规划

路径规划是移动机器人运动控制中的关键问题。针对传统蚁群算法在机器人全局路径规划中存在收敛速度慢、易陷入局部最优等缺点,提出一种改进型蚁群路径规划算法。首先,通过栅格法建立机器人运动环境模型,然后在传统蚁群算法基础上引入A*搜索算法的估价函数思想,改进蚁群算法的启发函数,增加目标节点与可选行进节点数对启发函数的影响。其次,在信息素更新公式中,通过引入Logistic增长函数对信息素挥发因子作自适应调整,提高算法速度与精度。最后,通过Matlab仿真实验证明,改进蚁群算法比传统算法在路径搜索速度和精度上都有较大提升。     

投资问题的规划模型及其分解算法

建立投资问题的规划模型,提出分解算法和投资分类法,实践效果显著．     

一种全局寻优的进化规划算法

文章在常规进化规划算法的基础上给出了一种新的全局寻优的进化规划算法，该算法在不用导数的前提下综合了梯度法计算效率较高与进化规划算法全局寻优的优点。文章还通过四个典型的例子对两种算法的计算效率和计算精度作了比较。     

投资问题的规划模型及其分解算法

建立投资问题的规划模型,提出分解算法和投资分类法,实践效果显。     

随机广义目标规划

结合随机规划和广义目标规划，提出了几种具有随机参数的广义目标规划模型──随机广义目标规划，并对其算法进行了探讨．最后，通过一个工业问题说明该方法的应用．     

一种防震荡的机器人路径规划算法

移动机器人路径规划问题中,当机器人遇到较大障碍物时容易出现震荡现象,文章针对该问题提出一种基于栅格模型和蚁群算法的路径规划算法。当蚁群中的蚂蚁没有遇到障碍物时,优先选择离目标点最近的可行点;当蚂蚁遇到障碍物时,特别是较大障碍物时,改变蚂蚁选择下一步栅格的策略,使之能尽快绕开障碍物,朝着目的地前进。最后的仿真结果显示该算法能在一定程度上消除震荡现象。     

一种基于改进的混合高斯模型的运动目标检测算法

在计算机视觉应用中,复杂场景运动目标检测是视频监控、目标追踪的基础,也是智能视频监控领域的研究热点之一。针对现有运动目标检测算法中阴影干扰和参数初始化粗糙的问题,在混合高斯背景建模的基础上采用HSV颜色空间替换原有的RGB颜色模式,并提出一种结合K均值算法与EM算法的参数初始化方法。实验表明,该算法可以有效抑制场景中运动物体的阴影干扰,检测结果更加精确,对复杂场景下的运动目标有较好的检测效果。