多目标跟踪(SORT,Deep_SORT,IOU17,SST)代码，亲身测试在MOT17上运行成功，需要准备相应的数据集及标签

目标跟踪是机器视觉中一类被广为研究的重要问题，分为单目标跟踪与多目标跟踪。前者跟踪视频画面中的单个目标，后者则同时跟踪视频画面中的多个目标，得到这些目标的运动轨迹。 基于视觉的目标自动跟踪在智能监控、动作与行为分析、自动驾驶等领域都有重要的应用。例如，在自动驾驶系统中，目标跟踪算法要对运动的车、行人、其他动物的运动进行跟踪，对它们在未来的位置、速度等信息作出预判。 目标跟踪算法可以进行轨迹特征的自动分析和提取，以弥补视觉目标检测的不足，有效的去除错误的检测，增加遗漏的检测，为进一步的行为分析提供基础。相对于多目标跟踪算法，视觉单目标跟踪算法研究的更为广泛，当前解决的相对更好。典型的如Mean shift算法，用卡尔曼滤波、粒子滤波进行状态预测，TLD等基于在线学习的跟踪，KCF等基于相关性滤波的算法等。

Python3求解单目标、多目标混合流水车间调度问题。包括生成案例、编码、解码、算法程序。单目标、多目标分别设计了一个测试文件。生成案例后，即可运行。优点：正确、简单、求解质量较好。缺点：速度较慢。

基于粒子群的多目标问题对应的源码，有详细的注释，供读者学习

完整的目标识别代码，需要的可以做设计引用，快来下载吧。

VS2015上C/C++实现目标检测和多目标跟踪，多目标跟踪采用了匈牙利算法和卡尔曼滤波；你在VS2015新建工程，并配置好opencv的相关设置，就可直接使用；注意：如果你想获得更好的效果，目标检测可换成基于深度学习的，毕竟跟踪的好坏也取决于检测的好坏；

这个是关于NSGA-II算法的matlab代码，主要有拥挤距离，精英策略，基因操作，非支配排序，函数值，NSGA-II主代码等几个模块里边，本代码只是对基本的测试函数（二维测试函数ZDT1-6，三维测试函数DTLZ1-6）,包含测试数据以及相关的测试函数图像仿真。

多目标粒子群算法Matlab！

每行代码都有注释，以及其中某些方法选择的原因，非常容易看懂！代码以经典测试问题为主，完全可以运行，本人还会写博客来帮助大家更好的理解代码思想

针对配电网多目标无功优化的应用需求以及优化算法存在的收敛性和多样性问题，基于Pareto熵的多目标粒子群优化算法，提出一种应用于多目标无功优化的改进粒子群优化算法。该算法在全局外部档案更新过程中引入冗余集策略，避免迭代过程中陷入局部最优解。将算法应用于配电网无功优化中时，采用离散变量取整方法，加快算法的收敛速度。建立网损、电压偏差及无功补偿装置投资最小的配电网多目标无功优化模型，并以IEEE 33节点配电网络为算例进行仿真，结果表明改进后的算法兼顾了优化的收敛性和多样性，能够在不同的优化要求下得到有效的无功优化方案。