改进的布谷鸟算法优化粒子滤波研究

发布时间：2021-08-12 11:23

　　针对布谷鸟算法易限于局部最优的问题,通过对布谷鸟算法的搜索步长值α和发现外来鸟卵的物种的概率pα进行改进,来平衡布谷鸟算法局部寻优与全局寻优的能力。改进的布谷鸟算法与粒子滤波结合,代替粒子滤波的重采样过程,解决粒子贫化和估计精度低的问题。实验结果表明,改进的布谷鸟优化粒子滤波算法中,粒子的多样性提高,从而保证了估计精度的提高。 

【文章来源】：计算机工程与应用. 2020,56(12)北大核心CSCD

【文章页数】：6 页

【参考文献】：
期刊论文
[1]粒子滤波目标跟踪算法综述[J]. 昝孟恩,周航,韩丹,杨刚,许国梁.  计算机工程与应用. 2019(05)
[2]改进的烟花算法优化粒子滤波研究[J]. 白晓波,邵景峰,田建刚.  计算机科学与探索. 2018(11)
[3]基于多策略差分布谷鸟算法的粒子滤波方法[J]. 黄辰,费继友,王丽颖,刘晓东.  农业机械学报. 2018(04)
[4]基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法[J]. 陈志敏,吴盘龙,薄煜明,田梦楚,岳聪,顾福飞.  电子学报. 2018(04)
[5]基于粒子群优化粒子滤波的电容剩余寿命预测[J]. 秦琪,赵帅,陈绍炜,黄登山.  计算机工程与应用. 2018(20)
[6]改进布谷鸟算法在人群疏散多目标优化中的应用[J]. 董崇杰,刘毅,彭勇.  系统仿真学报. 2016(05)
[7]萤火虫算法智能优化粒子滤波[J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏.  自动化学报. 2016(01)
[8]一种基于阈值选择策略的改进混合蛙跳算法[J]. 李英海,周建中,杨俊杰,刘力.  计算机工程与应用. 2007(35)



本文编号：3338234