飞行器的航迹规划问题-蚁群算法和多目标粒子群算法的赛题应用，学习算法的最好应用案例，带讲解的算法。

帧差法实现运动目标的检测，画出矩形框，跟踪，以及计算质心。

1，基于固定场景的多帧中值滤波 2，基于高斯背景模型的前景提取(可以换成其他方法如：深度学习或机器学习的检测结果ROI) 3，根据高斯背景模型提取的ROI框进行目标跟踪。本文选用的是CSTR跟踪器，可根据需要换成KCF等其他跟踪器。 相当于重写了Multitracker 的新增跟踪目标和删减部分。 性能优于opencv原版的Multitracker ，因为Multitracker 跟踪多个目标是串行

Matlab基于模糊自适应的交互多模型的多目标跟踪原创-基于模糊自适应的交互多模型的多目标跟踪的仿真程序.rar 希望对大家有帮助，基于FIMM的多目标跟踪代码

低比转速离心泵叶轮多目标优化设计.rar

多目标决策优化，多目标决策分析方法

内容全面，方便调试，代码清晰，易于理解，本人已经用过，可信任

提出一种多目标自适应混沌粒子群优化算法(MACPSO). 首先, 基于混沌序列提出一种新型动态加权方法选择全局最优粒子; 然后, 改进NSGA-II 拥挤距离计算方法, 并应用到一种严格的外部存档更新策略中; 最后, 针对外部存档提出一种基于世代距离的自适应变异策略. 以上操作不仅提高了算法的收敛性, 而且提高了Pareto 最优解的均匀性. 实验结果表明了所提出算法的有效性.

针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排序,直到选出N个最优个体进入下一次迭代.以约束DTLZ问题中C-DTLZ1、C-DTLZ2、DTLZ8、DTLZ9测试函数为例,将所提出的算法与C-NSGA-II、C-NSGA-III、C-MOEA/D和C-MOEA/DD进行对比分析.仿真结果表明,DBCDP-NSGA-II所得最优解分布更加均匀,具有更好的全局收敛性.

本文概括了多目标跟踪假设算法，由blackman完成，对多种mht算法进行特点介绍和比较