多区域采样目标跟踪算法

针对传统粒子滤波算法中容易发生的退化现象和粒子贫化问题,提出多区域采样目标跟踪方法。该算法将目标模板用多个重叠子区域划分,每个子区域对应一个采样窗口,根据采样子区域置信度能有效估计出跟踪目标的真实状态,子区域的互补性和阶段唯一性能很好地保证采样粒子有效性和状态空间质量,从而提高目标跟踪的精确度。实验结果表明,本文所提出算法能有效缓解目标跟踪中的粒子退化和贫化问题,提高粒子利用率,并且对目标形变、光照变化和部分遮挡等复杂情况具有较好的跟踪性能。

基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题

柔性作业车间调度问题(FJSP)是一类应用广泛的组合优化问题。针对多目标FJSP求解过程复杂、算法易陷入局部最优的问题,提出了一种基于多区域采样策略的混合粒子群优化算法(HPSO-MRS),以同时优化最大完工时间和总机器延迟时间这两个目标。多区域采样策略能够区分粒子所在Pareto前沿面的位置,根据不同区域进行采样重组,并为采样后位于Pareto前沿面多个区域的粒子规划相应的运动方向,从而有针对性地调整粒子在多个方向上的收敛能力,并带来一定程度的均匀分布能力的提升。此外,编解码方面使用带插空机制的解码策略来消除可能存在的局部左移;粒子更新方面将传统粒子群优化(PSO)算法的粒子更新方式与遗传算法(GA)的交叉变异算子相结合,提升了算法搜索过程的多样性并避免算法陷入局部最优。把所提算法在Benchmark问题Mk01~Mk10上进行测试,与传统的HPSO、NSGA-Ⅱ、基于适应度分配策略的多目标进化算法(SPEA2)和基于分解的多目标进化算法(MOEA/D)进行算法效力和运行效率对比。显著性分析的实验结果表明,HPSO-MRS在收敛性评价指标HV和IGD上分别在85%和77.5%的对照组中显著优于对比算法,而该算法在35%的对照组中的分布性指标Spacing显著优于对比算法,且均不存在所提算法显著差于对比算法的情况。可见相较于对比算法,所提出的算法具备较好的收敛与分布性能。

基于优化权值的多区域采样目标跟踪算法

针对多区域采样目标跟踪方法容易出现的区域多样性丧失、跟踪精度下降和跟踪不稳定等问题,本文引入区域优化权值及改进子区域重采样方法,提出基于优化权值的多区域采样目标跟踪算法.该方法利用区域优化权值优化各个子区域的区域置信度适当增加低置信度区域在重采样阶段所分配到的粒子数量,在保证粒子根据区域置信度大小有效分配的前提下,抑制了区域多样性丧失现象发生.本文算法在子区域内引入粒子权重优化权值并设定重采样阈值,缓解粒子贫化充分利用有效粒子信息.实验结果表明,本文方法能有效提高目标跟踪精度,改善目标跟踪稳定性.

集配一体化车辆路径规划的混合进化多目标优化

为了给各物流企业在车辆配送路径规划方面提供合理有效的决策支持,提出了一种多区域混合采样策略的全局搜索和基于个体间路线序列差异局部搜索相结合的混合进化多目标优化算法。对问题进行合理的数学模型构建,利用全局搜索策略使得种群个体从多个方向快速收敛至Pareto前沿面,并使用局部搜索策略来引导种群中表现差的个体朝着表现好的个体的方向进化,从而提高了个体的质量和算法的局部搜索能力。所提算法在集配一体化车辆路径问题的标准测试数据集上进行了一系列的实验,结果表明所提方法在收敛性上明显提升,同时搜索到的解具有良好的分布性能。