一种基于蚁群算法的多目标跟踪数据关联方法

针对多目标跟踪问题,提出基于蚁群算法的数据关联方法.首先将多目标跟踪问题描述为组合优化问题.利用蚁群算法解决组合优化问题的优势,在对其路径和路径长度概念重新定义的基础上,将其应用于选择多目标跟踪中的轨迹-观测关联集合.详细介绍了蚁群算法应用于数据关联问题的具体方法,建立了基于蚁群算法的数据关联模型.实验结果表明,论文提出的基于蚁群算法的数据关联方法是行之有效的.     

顾及目标运动多信息特征的蚁群数据关联方法

针对多目标跟踪的数据关联问题,提出一种将目标运动信息多特征进行融合的蚁群数据关联方法。首先,根据数据关联的具体问题,重新定义了蚁群数据关联方法中路径与路径长度两个概念。其次,考虑目标运动过程中的多种信息特征,即距离信息、方向信息以及灰度信息,将这三种信息特征有机融合,共同作为数据关联标准实现多目标的蚁群数据关联。在多目标跟踪实验中,论文采用EKF滤波方法对目标运动状态进行估计。仿真实验对两个目标交叉运动的情况进行了跟踪估计。实验结果表明,考虑多信息特征后的基于蚁群数据关联的方法在计算量相当的情况下,能较未考虑方向信息以及灰度信息的蚁群数据关联方法获得更高的正确关联率,算法的综合性能优于现有的数据关联方法。      

蚁群-遗传算法在多传感器多目标跟踪技术中的应用

 本文提出了一种高效的多目标数据关联算法AC-GADA(Ant Colony-Genetic Algorithm Data Association),该算法以蚁群、遗传算法为基础,利用种群差异性使个体携带信息素,构建了全局信息素扩散模型,并引入了交叉变异策略和种群适应度模型.通过大量的实验数据证明,该算法在获得较高关联准确率的同时可以有效地提高关联速度.     

一种IMM和JPDA混合型多目标跟踪算法研究

本文研究基于IMMJPDA算法的多机动目标跟踪,并对IMMJPDA算法中聚矩阵的构成进行了改进.当目标采用不同模型时,将产生多个相互独立的聚矩阵和可行矩阵,同时得到相应的可行矩阵的条件概率.最后利用模型概率对上述条件概率进行加权求和得到关联概率.改进后的IMMJPDA算法在RMSE超调性能上有了一定的提高.     

基于蚁群——遗传算法的改进多目标数据关联方法

将蚁群算法与遗传算法相结合,提出一种快速实现多目标数据关联的AC-GADA(ant colony-genetic algo-rithm data association)算法,该算法利用种群个体携带信息素,并改进了全局信息素扩散模型,同时为了提高算法的收敛速度并且避免局部极值的出现,引入了交叉变异策略和种群适应度模型,通过大量的实验数据证明,该算法在获得较高关联准确率的同时可以有效地提高关联速度。     

基于粒子滤波和数据关联的多目标跟踪算法

针对图像序列中低信噪比条件下的点状多目标跟踪问题,在已获得各个目标初始信息的基础上,结合粒子滤波和联合概率数据关联(JPDA),研究了一种基于单帧检测的实时多目标跟踪算法.介绍了其基本思想和具体算法实现步骤,并在MATLAB仿真环境下实现了该跟踪算法.实验仿真结果表明,该算法能够准确跟踪作任意轨迹运动的多个点状动目标,具有良好的实时性与准确性.     

基于JPDA的多目标跟踪算法及其应用

在多目标和杂波环境下,量测与对应目标源的关联将变得复杂,当邻近目标运动时,采用滤波算法跟踪目标时,源于目标的量测会相互干扰,导致误跟现象的发生。针对此问题,本文采用基于联合概率数据关联JPDA的方法进行处理,通过引入两个基本假设条件,即每个量测只有一个源和每个量测至多源于一个目标,计算各量测与各目标源的关联概率,进而估计出各目标的状态信息。仿真结果表明在采用本文的算法处理多目标问题时,目标的位置和速度信息能够得到较好的估计,避免误跟现象的发生。     

基于蚁群-遗传算法的改进多目标数据关联方法

蚁群算法,其实又被叫做蚂蚁算法,这是一种用在图形当中的算法,主要是寻找图中的优化路径。把蚁群算法同传统的遗传算法进行结合,那么就有了一种新的计算方法,就是多目标数据关联的方法,这种计算的方法是通过一个团体当中的个体将信息携带,并且把整个的信息要素模型进行了优化和扩张,这种算法也提高了计算的速度,局部出现极值的情况也避免了。而且还将交叉变异的方法和团体的接受力的模型引入了计算方法当中,经过大数法则的实验,表明了这种计算的方法不但能够将关联的准确率提高,还可以加快了关联的速度。     

多目标跟踪关联中的多特征数据融合方法

本文讨论了利用传感器获取的有关目标的多特征数据来实现多目标关联跟踪的方法。通过品质函数的概念定义一种关联测度,并且阐明这一测度是常规关联决策的推广。关联测度可以取０到１之间的任何实数值来表示相关程度。考虑到实际情况下某些特征数据可能不易持续获得,引入了有效因子来处理特征数据缺损的情况。本文采用了计算机仿真实验对比的方法研究了多特征数据关联跟踪的效果。     

一种多目标跟踪起始和数据关联的快速算法

包含有新目标跟踪起始的数据关联问题是多目标跟踪算法研究中的一个难点。本文首先描述了红外搜索跟踪（ＩＲＳＴ）系统进行多目标跟踪中的跟踪起始和跟踪终结问题;然后提出了采用可变跟踪门的方法,并且将ＩＲＳＴ系统接收到的目标红外辐射作为一个参考量。给出了多目标跟踪起始和数据关联的快速算法。最后给出了数值仿真结果,仿真表明了这种算法的快速性和有效性。     

基于优化成熟度的自适应蚁群优化算法

分析了蚁群算法局部信息素更新系数与全局信息素更新系数对算法寻优能力与收敛速度的关系,定义平均路径相似度(ATS)来表征寻优过程的成熟程度,并据此自适应调整信息素更新系数,提高算法收敛速度并避免陷入局部最优.经过与典型蚁群算法在多个旅行商问题测试用例上进行收敛速度与全局寻优能力的全面比较,证明了新的算法具有较好的效果.     

基于蚁群优化算法的路由协议的研究

生物仿真学群集算法在路由中有广泛的的应用,为了充分利用网络资源,降低拥塞程度,提出了一种基于蚁群优化算法的Ad Hoc网络负载均衡路由算法Pro-antnet,通过对蚂蚁收集到的网络信息所对应的参数赋予不同加权值的方法对路由表进行控制,有效地缓解了网络的拥塞问题。该算法具有良好的分布式特性,能为网络提供多条备用路径,增强网络的抗毁性。     

基于协同合作的蚁群优化算法

蚁群优化是一种模拟蚂蚁觅食的群集智能搜索算法,基本蚁群算法收敛性较差,易陷入局部最优解。本文在基本蚁群算法的基础上,提出一种新的蚁群优化算法,通过在信息素局部更新中引入信息素扩散模型,在信息素全局更新中引入随机扰动机制,发挥蚂蚁之间的协同合作能力,提高了算法的收敛速度。以TSP为例的仿真实验表明,该算法具有较强的寻优能力、较好的鲁棒性和有效性。     

Cognitive Radio Engine Design Based on Ant Colony Optimization

In this letter, a mutated ant colony optimization (MACO) cognitive radio engine is proposed, and it is the first time to apply ACO algorithm to this problem. The cognitive radio is a promising technology nowadays to alleviate the apparent scarcity of available radio spectrum, and the cognitive radio engine determines the optimal radio transmission parameters for the system. The cognitive engine problem is usually solved by genetic algorithm (GA), however, the GA converges slowly and its performance can still be improved. Hence, MACO algorithm with excellent performance is applied to the cognitive engine in this letter. Simulation results show that the fitness scores obtained by the MACO engine are much better than the ACO and GA engines in different scenarios.     

P2P网络基于蚁群优化的动态细粒度访问控制框架

RBAC是目前流行的访问控制模型,用户到角色的映射过程是其中非常重要的一个环节.分析了P2P网络访问控制的特点,提出了一种基于信任的访问控制框架-AT-RBAC.在该模型中,使用蚁群优化收集节点间直接信任和推荐信任值.另外,为适应映射过程的动态性,建立了信任条件列表,通过向该列表加入更加符合要求的条件可以使模型细粒度化.分析表明,本模型可以节省大量网络带宽.     

无线局域网（WLAN）安全策略研究

随着无线局域网技术的不断发展,安全问题日益突出,阻碍了无线技术的普及应用。本文着重就无线局域网的安全技术和策略进行了介绍。     

基于二值粒子群优化的多目标协同检测与跟踪方法

针对如何根据目标被探测状态(被检测或者被跟踪)对有限的雷达资源进行分配的问题,本文将其转化为组合优化问题,提出了一种新颖的基于后验克拉美罗下界(PCRLB)-二值粒子群优化(BPSO)的雷达-目标自动分配算法。该算法采用PCRLB作为已跟踪目标的跟踪精度衡量标准,并将其与新生目标的检测概率构成BPSO的适应度函数,在最大化新生目标检测概率的条件下,最小化已跟踪的多个目标的PCRLB,自适应地为目标分配雷达完成恰当的探测(检测与跟踪)行为。仿真结果表明,该算法不仅能够及时检测新生目标,而且能够持续且优化跟踪已有目标,使网络的整体精度得到明显提高。     

基于量子计算技术的蚁群算法的研究与应用

随着无线局域网技术的不断发展,安全问题日益突出,阻碍了无线技术的普及应用.本文着重就无线局域网的安全技术和策略进行了介绍.     

Heuristic Task Scheduling Algorithm Based on Rational Ant Colony Optimization

Distributed data stream processing system is NP-complete problem to assign tasks to any number of nodes handling the task scheduling. Even for substan- tially reducing scheduling scale, the problem still cannot be avoided. This paper takes advantage of the classical al- gorithm （ant colony optimization） of heuristic methods to simulate the global task sclmduling problem of distributed system. Rational improvement on ant colony optimization path-finding for the memory and CPU usage of each node achieves load balancing in a short time. It gives the sub- optimal solution of the global task scheduling. The exper- iments show that the data stream processing system we proposed has good real-time characteristics and stability.     

基于蚁群算法的面向服务软件的部署优化方法

面向服务软件的部署优化问题是典型的NP难题.本文构建了基于性能改善的软件部署优化模型,设计了一种蚁群优化算法ACO-DO进行近似最优解的快速求解.该算法通过设计基于部署优化问题的启发式、改进部署方案的构建顺序、增加局部搜索过程实现蚁群算法求解效率的提升.通过不同规模的实例实验,验证了ACO-DO算法能够取得比现有的混合整数线性规划算法、蚁群算法和遗传算法更好的性能.