Resumen

El algoritmo de optimización por enjambre de partículas (PSO) es superior en velocidad de convergencia, pero tiende a estancarse en óptimos locales. Se propone un algoritmo PSO mejorado que utiliza una técnica de mutación de la mejor dimensión basada en la teoría cuántica, y se aplica al problema de programación de sensores para el seguimiento de objetivos. La dinámica del objetivo se asume como un modelo lineal gaussiano, y las medidas de los sensores muestran una correlación lineal con el estado del objetivo. Este artículo analiza el problema de seguimiento de un único objetivo con múltiples sensores utilizando el algoritmo propuesto de optimización de enjambre de partículas con mejor dimensión de mutación (BDMPSO) para varios casos. Nuestros resultados experimentales verifican que el algoritmo propuesto es capaz de rastrear el objetivo con mayor fiabilidad y precisión que los anteriores.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:objetivo, optimización por enjambre de partículas con mutación de la mejor dimensión, técnica de mutación de la mejor dimensión, problema de seguimiento de un único objetivo, algoritmo pso mejorado, modelo gaussiano lineal, optimización por enjambre de partículas, problema de programación de sensores, algoritmo, superioridad del algoritmo
• Keywords:target, best dimension mutation particle swarm optimization, best dimension mutation technique, single target tracking problem, improved pso algorithm, linear gaussian model, particle swarm optimization, sensor scheduling problem, algorithm, algorithm superiority