亚洲精品一区二区三区影院,樱花草在线社区www日本视频

2019-11-20 14:10 來源：京東作者：京東

編輯推薦:

內(nèi)容簡(jiǎn)介:　　利用群體智能優(yōu)化算法（Swarm Intelligence Optimization Algorithm，SIOA）對(duì)PF進(jìn)行優(yōu)化具有較強(qiáng)的代表性，為此，作者首先介紹8種常見的群體智能算法，如粒子群算法、雞群算法和蟻群算法等。而較多的學(xué)者都是基于粒子群算法對(duì)PF進(jìn)行優(yōu)化的，其基本思路也為其他研究人員提供了重要的借鑒意義；而基于其他智能優(yōu)化算法對(duì)PF進(jìn)行優(yōu)化也得以快速發(fā)展，如先對(duì)螢火蟲算法、蝙蝠算法和差分進(jìn)化算法等進(jìn)行改進(jìn)，再對(duì)PF進(jìn)行優(yōu)化。在分析和總結(jié)眾多學(xué)者的研究思路的基礎(chǔ)上，作者重點(diǎn)研究了利用布谷鳥算法和煙花算法對(duì)PF進(jìn)行改進(jìn)和優(yōu)化的方法。其基本思想是：由于蝙蝠算法和螢火蟲算法易陷入局部問題，而煙花算法具有很好的隨機(jī)性和全局收斂性，因此，基于這些算法對(duì)PF進(jìn)行改進(jìn)和優(yōu)化而提出了FWA-PF。然后重點(diǎn)分析了FWA-PF的收斂性，以及煙花爆炸半徑、火花數(shù)對(duì)粒子多樣性及PF性能的影響。另外，作者也探索了利用布谷鳥算法對(duì)PF進(jìn)行優(yōu)化的方法，以及基于多新息理論對(duì)PF進(jìn)行優(yōu)化的方法。在群體智能優(yōu)化算法優(yōu)化粒子濾波的基礎(chǔ)上，《非線性系統(tǒng)的狀態(tài)估計(jì)方法》最后一章也介紹了其他學(xué)者基于其他方法和思想對(duì)PF的改進(jìn)，這也為我們的研究提供了重要的借鑒作用。
　　EKF作為另一個(gè)解決非線性系統(tǒng)狀態(tài)估計(jì)問題的標(biāo)準(zhǔn)方法，作者首先介紹了EKF的基本原理和方法，并重點(diǎn)介紹了基于多新息理論優(yōu)化EKF，以及其他如基于雁群PSO、模糊神經(jīng)網(wǎng)絡(luò)等對(duì)EKF優(yōu)化的方法。最后，介紹了作者本人的基于核偏小二乘法（Kernel Partial Least Square，KPLS）對(duì)EKF進(jìn)行優(yōu)化的方法。
　　非線性狀態(tài)估計(jì)在科學(xué)研究和工程應(yīng)用領(lǐng)域具有重要價(jià)值，如工業(yè)過程中的狀態(tài)反饋控制、航空制導(dǎo)系統(tǒng)、飛行目標(biāo)跟蹤、故障診斷和生化反應(yīng)狀態(tài)提取等領(lǐng)域。

作者簡(jiǎn)介:　　白曉波，男，陜西勉縣人，2010年于湖南大學(xué)獲得碩士學(xué)位，現(xiàn)為西安工程大學(xué)工程師，CCF會(huì)員，主要研究領(lǐng)域?yàn)樾畔⑷诤?、智能信息處理等?
　　近五年，參與省部級(jí)與廳局級(jí)課題6項(xiàng)，以首作者在SCI期刊發(fā)表論文一篇，國(guó)際會(huì)議一篇，CSCD兩篇，核心期刊三篇。作為主要參與人獲得省部級(jí)獎(jiǎng)2項(xiàng)、廳局級(jí)獎(jiǎng)2項(xiàng)、行業(yè)協(xié)會(huì)獎(jiǎng)3項(xiàng)。

目錄:第1章研究背景
1．1 粒子濾波理論
1．2 小結(jié)
參考文獻(xiàn)

第2章群體智能算法
2．1 粒子群優(yōu)化算法
2．2 螢火蟲算法
2．3 布谷鳥算法
2．4 雞群算法
2．5 蝙蝠算法
2．6 煙花算法
2．7 差分進(jìn)化算法
2．8 混合蛙跳算法
2．9 蟻群算法
2．10 小結(jié)
參考文獻(xiàn)

第3章群體智能算法優(yōu)化粒子濾波
3．1 粒子群優(yōu)化算法優(yōu)化粒子濾波
3．2 其他基于PSO優(yōu)化PF方法
3．3 螢火蟲算法優(yōu)化粒子濾波
3．4 蝙蝠算法優(yōu)化粒子濾波
3．5 雞群算法優(yōu)化粒子濾波
3．6 混合蛙跳算法優(yōu)化粒子濾波
3．7 布谷鳥算法優(yōu)化粒子濾波
3．8 煙花算法優(yōu)化粒子濾波
3．9 小結(jié)
參考文獻(xiàn)

第4章擴(kuò)展卡爾曼濾波
4．1 擴(kuò)展卡爾曼濾波
4．2 改進(jìn)的自適應(yīng)卡爾曼濾波
4．3 基于多新息理論優(yōu)化的EKF（MI-EKF）
4．4 -種新的改進(jìn)擴(kuò)展卡爾曼濾波
4．5 改進(jìn)粒子群算法優(yōu)化的EKF
4．6 混雜擴(kuò)展卡爾曼濾波的改進(jìn)
4．7 基于雁群PSO的模糊自適應(yīng)EKF
4．8 模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化擴(kuò)展卡爾曼濾波
4．9 其他關(guān)于EKF的改進(jìn)研究
4．10 基于學(xué)習(xí)的KPLS優(yōu)化擴(kuò)展卡爾曼濾波
4．11 小結(jié)
參考文獻(xiàn)

第5章粒子濾波的其他改進(jìn)研究
5．1 和聲搜索算法優(yōu)化粒子濾波
5．2 多策略差分布谷鳥算法優(yōu)化粒子濾波
5．3 改進(jìn)的顏色粒子濾波
5．4 Student's t分布的自適應(yīng)重采樣粒子濾波
5．5 基于萬有引力優(yōu)化的粒子濾波
5．6 基于多新息理論的優(yōu)化粒子濾波
5．7 小結(jié)

參考文獻(xiàn)

相關(guān)商品