基于蚁群—遗传算法的改进多目标数据关联方法

袁东辉; 刘大有; 申世群

您当前的位置：

首页 >

文章列表页 >

基于蚁群—遗传算法的改进多目标数据关联方法

学术论文 | 更新时间：2024-10-14

- 基于蚁群—遗传算法的改进多目标数据关联方法
- Improved AC-GA based data association method for multi-target tracking
- 通信学报 2011年32卷第6期页码：17-23
- 作者机构：
  
  1. 吉林大学知识工程与符号计算教育部重点实验室
  2. 吉林大学计算机科学与技术学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(60773099,60873149,60973088);国家高技术研究发展计划(“863”计划)基金资助项目(2006AA10Z245,2006AA10A309)
- DOI：
  中图分类号： TP202
- 纸质出版日期：2011
- 稿件说明：
移动端阅览
袁东辉, 刘大有, 申世群. 基于蚁群—遗传算法的改进多目标数据关联方法[J]. 通信学报, 2011,32(6):17-23.

YUAN Dong-hui1, LIU Da-you1, SHEN Shi-qun1. Improved AC-GA based data association method for multi-target tracking[J]. 2011, 32(6): 17-23.
袁东辉, 刘大有, 申世群. 基于蚁群—遗传算法的改进多目标数据关联方法[J]. 通信学报, 2011,32(6):17-23. DOI：

YUAN Dong-hui1, LIU Da-you1, SHEN Shi-qun1. Improved AC-GA based data association method for multi-target tracking[J]. 2011, 32(6): 17-23. DOI：

摘要

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。

Abstract

An AC-GADA（ant colony-genetic algorithm data association） algorithm was proposed to deal with the data as-sociation problem for multi-target tracking.This algorithm designed difference pheromone for each ant and improved global pheromone increment model

and combined crossover and mutation strategy with fitness of population model in or-der to improve rate of convergence and avoid the appearance of local extremum.The comparison with ACDA（ant colony data association） and JPAD（joint pobabilistic data association） proved its efficiency and superiority.

关键词

Keywords

references

浏览量

395

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据