基于匈牙利求解的被动传感器数据关联算法

在多传感器多目标跟踪领域中,数据关联是按一定规则连接具有共同目标的决策过程。通过整数规划将数据关联问题转化为多维分配问题。该文利用改进的拉格朗日松弛算法把多维分配问题降为一系列二维分配问题;引入匈牙利算法求解二维分配问题的最优解以获得最佳关联结果。仿真结果证明该文算法计算量小,关联正确率高。     

基于神经网络的多机动目标跟踪算法

将神经网络理论用于多机动目标跟踪,解决了联合概率数据关联(JPDA)存在的计算量组合爆炸问题。基于神经网络数据关联(NDA)所得到的最佳关联假设,将其与简化信息融合并行自适应滤波算法(DAF)进行有效结合,在保证量测与目标有效关联的同时,还具备跟踪起始和终结的作用,实现了对多机动目标的状态滤波与预测。仿真结果表明,与传统的交互式多模型联合概率数据关联算法相比,新算法在保证多机动目标的跟踪精度及实时性要求的同时,计算量大大减少。     

粒子群算法在多传感器多目标跟踪的应用

多传感器多目标跟踪系统中,数据关联是其中的关键问题之一.它可以表述为多维分配问题,提出了基于粒子群优化算法的多维分配算法,它将多维分配问题中的目标代价函数极小化问题作为组合优化问题求解.通过在粒子群初始化步骤以及交叉和变异时充分考虑确认备选量测,缩小优化搜索范围,能较快找到最优解实现关联.在虚警和漏检、密集目标环境下,该算法应用于多传感器多目标融合系统仿真,结果表明所述算法在多目标数据关联中有较好的可行性和优越性.     

基于S-D分配的集中式多传感器不敏滤波算法

研究了非线性环境中的集中式多传感器多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器不敏滤波算法。算法通过广义S-D分配技术实现每个传感器中的量测与目标的数据关联,求得所有可能互联中的最佳划分,然后按照顺序多传感器联合概率数据互联算法,依次处理最佳划分中各传感器源于同一目标的量测,在此基础上通过不敏卡尔曼滤波(UKF)解决非线性系统中的目标跟踪问题。最后给出了该算法与MSJPDA/EKF算法的仿真比较,结果表明该算法具有更高的稳定性和跟踪精度。     

高阶边界元线性方程组的几种波前消元法

总结出三种求解边界元非对称系统矩阵线性方程组的波前消元法，将建立方程和消元逐行并行交换实现，由此节省了大量的计算机存储量和计算机时，使较大的计算问题容易得到了解决。讨论了三种方法求解了不同类型的较高阶边界元方程组的效率，并给出工程了连接结构（多子域结构）的实例。     

高阶边界元线性方程组的几种波前消元法

总结出三种求解边界元非对称系数矩阵线性方程组的波前消元法，将建立方程和消元逐行并行交错实现，由此节省了大量的计算机存储量和计算机时，使较大的计算问题容易得到解决．讨论了三种方法求解不同类型的较高阶边界元方程组的效率，并给出了工程连接结构（多子域结构）的实例．     

基于有效预测区域的模糊数据关联

多目标多传感器跟踪系统由数据关联和目标状态估计两部分组成,数据关联是多目标跟踪系统研究的核心。数据关联和目标状态估计两部分既有一定的独立性又有密切的联系,而将两部分合理地结合对提高跟踪系统的性能是重要的。该文以跟踪目标的有效预测区域为依据,利用基于Mahalanobis距离的模糊均值聚类方法解决数据关联问题,在一定程度上将数据关联和目标状态估计两个不同的过程相结合,仿真计算说明了其有效性。     

密集回波环境下多目标跟踪的一种新算法

在多目标跟踪中，一个量测可能是几个目标的混合量测，一个目标也可能产生几个量测。目前，基于贝叶斯的数据关联算法沿用的均是JPDA的“量测与目标一一对应”的可行性规则，它不符合上述情况下数据关联的实际情况。因此，为了解决该问题，从分析JPDA的可行性规则入手，打破JPDA可行性规则的限制，提出了更符合实际的量测与目标均可复用的观点，及新的可行性规则，认为量测与目标之间的关联关系是多对多的关系，并据此利用条件贝叶斯公式，推导出边缘概率的一种新的计算方法——广义数据关联算法(GPDA)。利用该方法对多目标进行跟踪，取得了良好的跟踪性能，并且计算量大大减小。     

改进的多传感器多目标量测数据关联算法

提出融合多传感器测量对目标位置进行估计的广义概率数据关联(MSPE-GPDA)算法. 首先对所有可能的多元量测组合进行预关联检验,通过检验的有效多元量测组合所对应的目标位置进行最优估计;根据广义概率数据关联算法计算通过预关联检验的各有效量测组合与目标航迹间的关联概率,并用来计算目标的更新状态. 与顺序处理的多传感器广义概率数据关联算法和利用多传感器量测进行目标位置估计的联合概率数据关联算法相比,MSPE-GPDA算法集中了最优估计和有效信息复用两方面的优点. 理论分析与仿真实验结果均验证了所提算法的有效性.     

基于简化加权最小二乘的时差定位分区域融合法

为解决时差定位多站融合计算量大的问题，提出了分区域融合定位法．该算法首先把监测区域分成几个小的区域，然后每个小区域内选用几个定位精度较高的于系统进行融合定位，在保证整个定位精度的情况下，减少计算量．理论分析与计算机仿真表明，分区域融合法是一种可行的方法．     

系数矩阵为块三对角的线性方程组的并行算法

给出了一种求解系数矩阵为块三对角的线性方程组的适合于ＭＩＭＤ型机的并行算法。从理论上证明了他与ＢＳＯＲ方法有相同的收敛速度，且与块Ｊａｃｏｂｉ方法有相同的并行性，并用一个算例在Ｍｕｌｔｉ－ＴｒａｎｓｐｕｔｅｒＳｙｓｔｅｍ模型机上作了计算，证明了他的有效性与可行性。     

一种鲁棒分散特征结构配置方法

提出一种新的基于特征结构配置的分散控制器设计方法。证明的定理1可以用来得到分散动态输出反馈解的结构。然后，将设计问题转化为一个增广系统的静态输出反馈控制问题。这样就可以用文献[4]中的方法来选择控制器的参数以改善闭环系统的动态特性。仿真结果表明基于特征结构配置的分散控制器设计方法是可行的。     

A genetic algorithm for the pareto optimal solution set of multi-objective shortest path problem

Unlike the shortest path problem that has only one optimal solution and can be solved in polynomial time, the muhi-objective shortest path problem （ MSPP ） has a set of pareto optimal solutions and cannot be solved in polynomial time. The present algorithms focused mainly on how to obtain a precisely pareto optimal solution for MSPP resulting in a long time to obtain multiple pareto optimal solutions with them. In order to obtain a set of satisfied solutions for MSPP in reasonable time to meet the demand of a decision maker, a genetic algo- rithm MSPP-GA is presented to solve the MSPP with typically competing objectives, cost and time, in this pa- per. The encoding of the solution and the operators such as crossover, mutation and selection are developed. The algorithm introduced pareto domination tournament and sharing based selection operator, which can not only directly search the pareto optimal frontier but also maintain the diversity of populations in the process of evolutionary computation. Experimental results show that MSPP-GA can obtain most efficient solutions distributed all along the pareto frontier in less time than an exact algorithm. The algorithm proposed in this paper provides a new and effective method of how to obtain the set of pareto optimal solutions for other multiple objective optimization problems in a short time.     

一种新的求解移动Agent路由问题优化算法

文章对移动Agent在无线传感器网络中的路由问题进行描述,给出该问题的多约束最优非劣路径求解模型,并提出一种SA-CA算法求解移动Agent路由问题:利用模拟退火(Simulated Annealing,SA)算法接受最优单体以推动文化算法(Cultural Algorithms,CA)中信仰空间的进化,并将搜索步长作为情景知识指导群体空间最优解的搜索.这种双层结构特性减少了搜索时间,表现出较好的全局寻优性能.仿真实验也表明,与粒子群优化算法(PSO)、遗传算法(GA)的计算结果相比,提出的新算法在保证求解准确性的同时,具有更快的收敛速度和较高的可靠性,是解决无线传感器网络多约束QoS路由的有效途径,能提高整个网络的性能.     

基于匈牙利法和遗传算法的多传感器管理与控制模型

针对多传感器的管理与控制问题,建立了一个多目标规划模型,以方差对4种相对均衡性进行衡量,通过对4种方差赋予多组不同的权值并进行线性加权求和,构造出单目标函数,从而将多目标规划模型转化为单目标的0-1规划模型。针对问题的数据规模较大的实际情况,采用了一种改进的匈牙利法,缩小了寻找可行解的搜索空间,求得了初始可行解,进而利用遗传算法对初始可行解进行优化计算,最后得到了均衡性相对较好的控制方案。     

运用改进的SPEA2算法优化网格工作流调度方法

提出了一种QoS约束的多目标优化的网格工作流调度算法ISPEA2,该算法基于表达结构丰富的AGWL网格工作流模型,在SPEA2算法中引入约束检测对网格工作流调度问题进行优化,克服了当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、涉及QoS参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的缺陷,可供决策者根据用户的实际需求从产生的Pareto优化解集中选择最终的满意解。通过与采用原SPEA2设计的网格工作流调度算法OSPEA2的比较,表明ISPEA2算法所获得的Pareto优化解集都是满足QoS约束的非支配解,且获得了更优的平均结果。     

一种线性三层规划的改进的Frank-Wolf解法

利用KT条件、罚函数法,将三层线性规划降为约束条件为线性的二层规划,再利用Frank-Wolf线性逼近的理论,从而仅需求解一层线性规划就得到了三层线性规划的最优解.其中线性规划的求解应用了主元标单纯形法,其优点是可以得到更靠近最优点的可行解,从而减少计算量.     

模拟退火算法求解指派问题新探

模拟退火算法是一种随机搜索算法,能渐进地收敛于全局最优解.指派问题是组合优化问题中的一种,可用模拟退火算法来解此问题.模拟退火算法解决指派问题时,需要考虑实现此算法的技术问题,例如解的形式、初始温度的计算等.实验结果表明,该方法能够以一定的概率跳出局部最优,从而实现全局寻优.     

基于动力子空间的信号迭代降噪方法

重构相空间是通过修正动力轨道来降噪的前提和基础。针对传统相空间重构方法在实际应用中嵌入维数和嵌入延迟难于准确、客观估计的问题，采用模型最小描述长度准则确定最佳的嵌入窗口，据此重构相空间并采用动力子空间法进行迭代降噪计算。数值仿真试验证明该方法在有限长非线性信号降噪处理中是有效的，特别在信噪比较低时，信噪比增益可达到10dB左右。