物种生灭算法(Species Explode and Deracinate Algorithm,SEDA)是一种简单、高效的群智能优化算法。为了进一步提高SEDA算法的寻优速度、解的质量,首先,通过一种无排序筛选幸存物种的递归算法,提出了基于递归筛选的SEDA算法,减少了SED...物种生灭算法(Species Explode and Deracinate Algorithm,SEDA)是一种简单、高效的群智能优化算法。为了进一步提高SEDA算法的寻优速度、解的质量,首先,通过一种无排序筛选幸存物种的递归算法,提出了基于递归筛选的SEDA算法,减少了SEDA算法的时间复杂度,提高了算法的寻优速度;其次,通过引入衍生趋势的方法,提出了基于衍生趋势的SEDA算法,提高了SEDA算法对复杂、难以寻优的优化问题解的质量。三个测试函数的仿真结果表明,改进的方法具有更小的时间复杂度,能够有效改善SEDA算法解的质量。展开更多
为简化联合概率数据关联算法(Joint Probabilistic Data Association,JPDA)的计算复杂度,增强JPDA算法的实时性,设计了一种新的JPDA简化算法。首先根据目标航迹与量测之间的关联规则,定义了一种新的计算关联概率的方法,之后分析公共量...为简化联合概率数据关联算法(Joint Probabilistic Data Association,JPDA)的计算复杂度,增强JPDA算法的实时性,设计了一种新的JPDA简化算法。首先根据目标航迹与量测之间的关联规则,定义了一种新的计算关联概率的方法,之后分析公共量测对目标的影响,引入公共量测影响因子修正关联概率。该算法不用进行确认矩阵拆分,有效解决了在密集杂波环境下因回波密度增加而造成的计算上的组合爆炸问题。仿真结果表明,简化的JPDA算法能够在保持对目标有效跟踪的情况下,大大缩短计算时间,提高算法的实时性。展开更多
文摘物种生灭算法(Species Explode and Deracinate Algorithm,SEDA)是一种简单、高效的群智能优化算法。为了进一步提高SEDA算法的寻优速度、解的质量,首先,通过一种无排序筛选幸存物种的递归算法,提出了基于递归筛选的SEDA算法,减少了SEDA算法的时间复杂度,提高了算法的寻优速度;其次,通过引入衍生趋势的方法,提出了基于衍生趋势的SEDA算法,提高了SEDA算法对复杂、难以寻优的优化问题解的质量。三个测试函数的仿真结果表明,改进的方法具有更小的时间复杂度,能够有效改善SEDA算法解的质量。
文摘为简化联合概率数据关联算法(Joint Probabilistic Data Association,JPDA)的计算复杂度,增强JPDA算法的实时性,设计了一种新的JPDA简化算法。首先根据目标航迹与量测之间的关联规则,定义了一种新的计算关联概率的方法,之后分析公共量测对目标的影响,引入公共量测影响因子修正关联概率。该算法不用进行确认矩阵拆分,有效解决了在密集杂波环境下因回波密度增加而造成的计算上的组合爆炸问题。仿真结果表明,简化的JPDA算法能够在保持对目标有效跟踪的情况下,大大缩短计算时间,提高算法的实时性。