简介：针对粒子滤波器存在的粒子贫乏问题,提出了一种基于云模型改进的遗传重采样方法。选择操作采用相隔一定代数进行随机采样的方式,防止选择压力过大导致粒子贫化;利用Y云发生器实现变异操作,根据粒子的观测概率自适应控制搜索范围,在现有粒子的附近搜索精良粒子,在提高粒子有效性的同时增加了粒子的多样性。仿真结果表明：改进后的算法有效地解决了粒子的贫乏问题,提高了滤波性能。
简介：通过系统阐述多属性评价中存在的＂不确定性转换问题＂和＂属性组态控制问题＂,提出了一种基于云模型和惩罚函数的多属性评价方法。以云模型为理论基础,提出了定性属性、定量属性的云化处理方法,实现了属性值的不确定性度量;以惩罚函数为理论基础,根据不同属性的惩罚幅度、灵敏度需求,构建了3种连续型惩罚函数,实现了属性组态的有效控制;最后,提出了用云模型表达的属性值集结算法和排序选优方法。通过实例应用,验证了方法的可行性、有效性。
基于云进化的遗传粒子滤波算法
一种基于云模型和惩罚函数的多属性评价方法
