基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

遗传算法在多传感器多目标静态数据关联中的应用

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题。而常见的关联算法要么计算量大,要么实际运用中效果不理想。本文提出了利用遗传算法来解决无杂波和漏检情况下三种不同类型、不同位置的传感器对数目未知的目标进行检测时的静态数据关联问题。实验结果表明这种算法具有很高的关联成功率。     

一种基于模糊自适应GA的广义S维分配算法

多传感器多目标跟踪系统进行目标状态估计的数据关联问题可以阐述为广义S维分配问题.本文提出了一种基于模糊自适应GA的广义S维分配算法.该算法利用六个模糊控制器对符号编码遗传算法的遗传操作进行自适应控制,并将S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进行求解,同时结合极大似然方法进行目标识别和目标状态估计.在考虑虚警和漏检前提下,对算法进行了稀疏目标和密集目标两种仿真环境下的Monte Carlo试验,对试验结果进行了对比分析.     

自适应蚁群算法在多目标跟踪中的应用

在多目标状态跟踪估计方法的研究中,多目标数据关联容易陷入局部最优状态以及跟踪精度不高的缺点,提出一种改进蚁群算法的数据关联方法.改进方法为:在传统蚁群算法的基础上,引入标识判定系数来调节信息素浓度的增量,避免某条路径上信息素浓度增长过快,从而陷入局部极值的情况,同时对挥发因子进行自适应控制,保持搜索的平衡性和全局性,避免搜索落入局部最优从而陷入停滞状态.仿真结果表明,改进的蚁群算法在多目标跟踪中,既可有效地避免搜索落入局部最优的弊端,又明显地提高了跟踪精度.     

遗传算法在多传感器多目标的静态数据关联中的应用

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题。而常见的关联算法要么计算量大,要么实际运用中效果不理想。本文提出了利用遗传算法来解决无杂波和漏检情况下三种不同类型、不同位置的传感器对数目未知的目标进行检测时的静态数据关联问题。     

一种新的模糊自适应模拟退火遗传算法

针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,提出一种改进的遗传算法--模糊自适应模拟退火遗传算法(FASAGA),并分析了该算法的性能和特点,实验研究表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果.     

FCM与PDA相结合的多传感器多目标跟踪算法

传统的概率数据关联算法(PDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪.针对多传感器多目标跟踪问题,提出一种改进的PDA算法,采用FCM算法预测航迹的聚类中心,然后采用PDA方法对航迹进行跟踪.仿真实验证明此方法能有效地进行多传感器多目标的跟踪.     

模糊自适应遗传算法的原理和发展

模糊自适应遗传算法是将模糊控制器应用于遗传算法性能和参数控制的新型进化算法。该文论述了模糊自适应遗传算法的定义和基本原理,并根据规则基不同的产生方式对其进行了系统分类,最后提出了模糊自适应遗传算法性能改进和应用研究的发展方向。     

模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式--模糊自适应遗传算法.该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率.通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性.     

模糊自适应遗传算法及其性能分析

遗传算法是应用比较广泛的一种随机优化算法,而交叉和变异是两个关键操作,本文针对遗传算法在应用过程中叉交概率和变异概率所存在的问题提出一种模糊自适应遗传算法,新算法利用模糊系统技术来自适应估计交叉概率和变异概率,最后,通过多峰函数优化问题的仿真结果证明了算法的实用性和有效性。     

基于动态规划的多目标跟踪算法及实现

为探讨和跟踪由侧视或前视红外成像传感器观察到的，按象素排列的低信噪比目标，设计了一在于动态规划的算法，算法的优点是对微弱目标的高检测灵敏度，及对目标机动，传感器信号跳动和脉冲干扰的鲁棒性，其特点是：将目标探测和跟踪合并涉及目标运动、背景噪声和杂波统计模型的单一优化过程，包括一种新的得分泛函的设计和减少计算量而对ＤＰ算法进行的扩展。     

自适应蚁群算法在流水车间调度的应用

以求解旅行商问题(TSP)来介绍基本蚁群算法模型.针对其存在的易陷入局部最优和易出现停滞等缺点,将自适应调节策略与蚁群算法结合,提出应用改进的蚁群算法求解流水车间调度问题,并通过仿真实验验证了该改进算法的有效性和优化性.     

基于水下制导的多目标跟踪研究

根据现代科技和未来海战发展的要求及水下精确制导中多目标跟踪技术的重要性，详细论述了多目标跟踪技术的发展及水下多目标跟踪的关键技术，讨论了未来水下精确制导中多目标跟踪技术的发展趋势．     

基于模糊C-均值和自适应遗传算法的小波域彩色信息隐藏算法

基于人类视觉系统的纹理掩蔽特性,提出一种基于模糊C-均值(FCM)和自适应遗传算法小波域彩色信息隐藏算法。首先对彩色载体图像Y分量实施整数小波变换;然后结合视觉纹理特性,对低频进行FCM聚类分析,将其分成3类:平滑区、纹理区、边缘区,并在不同的区域确定不同的嵌入强度和位置;最后,利用自适应遗传算法对logistic混沌映射的初值进行寻优,使其找到合适的初值,从而使秘密图像对载体图像的影响较小。实验结果表明:该方法不仅具有较好的透明性,而且在嵌入量方面也有很大的提高。     

遗传算法在全终端网络可靠性优化中的应用

在计算机通信网络建设过程中,通信主干网的高可靠性一直是广大设计者和用户所关心的重大问题。分析了通信主干网的全终端可靠性优化设计问题,建立了一种新的可靠性优化模型,并利用遗传算法对该模型进行了优化求解。计算机仿真实验结果表明：遗传算法在解决此类问题上是有效的。     

多模型自适应控制在机器人手臂控制当中应用

本文以斯坦福机械手臂为研究对象,对被控对象建立离散时间模型,并建立自适应控制器．考虑斯坦福机械手自适应控制当中,参数突变经常会破坏总体系统的稳定性的问题,针对被控对象模型建立多个模型,覆盖被控对象的参数不确定性,构成多模型自适应控制器,同时引入“局部化”技术,可保证在不失去多模型自适应控制精度的同时,减少计算时间．     

模糊自适应混合退火粒子滤波算法

针对非线性、非高斯系统状态的在线估计问题,及粒子滤波本身固有的退化问题,在已提出的混合退火粒子滤波算法的基础上提出一种新的粒子滤波算法。在滤波算法中,根据系统的状态噪声统计特性和量测噪声统计特性的关系引入调整因子,再由模糊推理系统产生退火系数。用状态参数分解和退火系数来产生重要性概率密度函数。在保留原算法优点的基础上取得了更佳的退火系数。仿真实验表明该粒子滤波器的性能优于混合退火粒子滤波算法。     

一种改进的模糊C均值算法在入侵检测中的应用

为解决模糊C均值(FCM)聚类算法在入侵检测中存在的检测效率低的问题,提出一种改进方法,将改进的模糊C均值聚类算法应用于入侵检测。测试表明,该算法有效提高了聚类检测的检测率,降低了误检测率,具有可行性和有效性。     

一种改进的遗传算法在自动组卷中的应用

分析了自动组卷问题的目标要求,建立了针对该问题的数学模型。设计了适用于该问题的遗传算法,提出了带尺度变换的选择算子和组内两点变异与组内基因交换的变异算子,并在实验中比较了不同的选择算子和变异算子的结果。实验结果表明,改进的方法在组卷问题中优于普通的遗传算法。