Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Методы и алгоритмы оптимизации траектории наблюдателя в задаче определения координат и параметров движения цели

Диссертация: Методы и алгоритмы оптимизации траектории наблюдателя в задаче определения координат и параметров движения цели
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Достоверность и обоснованность полученных результатов обеспечивается использованием апробированных научных методов, применяемых при планировании регрессионных экспериментов, оптимизации сложных функций, робастной обработке сигналовсоблюдением в процессе моделирования необходимых и достаточных условий обеспечения адекватности разрабатываемых моделей и их отдельных фрагментов реальным… Читать ещё >

Содержание

  • ГЛАВА 1. ОПТИМИЗАЦИЯ ТРАЕКТОРИИ НАБЛЮДАТЕЛЯ В ЗАДАЧЕ ОПРЕДЕЛЕНИЯ КООРДИНАТ И ПАРАМЕТРОВ ДВИЖЕНИЯ ЦЕЛИ. ИСТОРИЯ ВОПРОСА И ЦЕЛЬ ИССЛЕДОВАНИЯ. Ю
    • 1. 1. Общее описание задачи определения КПДЦ
    • 1. 2. Методы построения оценок в задаче определения КПДЦ
    • 1. 3. Наблюдаемость в задаче определения КПДЦ
    • 1. 4. Планирование эксперимента в задаче определения КПДЦ
    • 1. 5. Целевая функция и функция качества
    • 1. 6. Критерии оптимальности, связанные с характеристиками информационной матрицы Фишера
    • 1. 7. Методы оптимизации в задаче определения КПДЦ
    • 1. 8. Генетические алгоритмы
    • 1. 9. Цель исследования
  • Выводы по главе 1
  • ГЛАВА 2. ОПТИМИЗАЦИЯ ТРАЕКТОРИИ НАБЛЮДАТЕЛЯ КАК ЗАДАЧА ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТА
    • 2. 1. Задача определения КПДЦ по измерениям пеленга
      • 2. 1. 1. Постановка задачи определения КПДЦ по измерениям пеленга
      • 2. 1. 2. Информационная матрица Фишера в задаче определения КПДЦ
      • 2. 1. 3. Наблюдаемость в задаче определения КПДЦ
      • 2. 1. 4. Метод определения КПДЦ «N-пеленгов»
    • 2. 2. Оптимизация траектории наблюдателя в задаче определения КПДЦ
      • 2. 2. 1. Критерии оптимальности, связанные с информационной матрицей Фишера
      • 2. 2. 2. Методы оптимизации траектории наблюдателя в задаче определения КПДЦ
      • 2. 2. 3. Требования, предъявляемые к методам оптимизации траектории наблюдателя в задаче определения КПДЦ
    • 2. 3. Планирование эксперимента в задаче определения КПДЦ
      • 2. 3. 1. Последовательное и статическое планирование эксперимента
      • 2. 3. 2. Задачи планирования эксперимента
      • 2. 3. 3. Параметризация траектории наблюдателя
      • 2. 3. 4. Целевая функция
      • 2. 3. 5. Функция качества
      • 2. 3. 6. Прямая и обратная задачи оптимизации траектории наблюдателя
      • 2. 3. 7. Применение генетических алгоритмов в задаче оптимизации траектории наблюдателя
      • 2. 3. 8. Байесовский подход к задаче оптимизации траектории наблюдателя
      • 2. 3. 9. Метод решения прямой задачи
      • 2. 3. 10. Метод решения обратной задачи
  • Выводы по главе 2
  • ГЛАВА 3. ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В ЗАДАЧЕ ОПТИМИЗАЦИИ ТРАЕКТОРИИ НАБЛЮДАТЕЛЯ
    • 3. 1. Решение прямой задачи с помощью генетического алгоритма с эмиссией интронов (IEGA)
      • 3. 1. 1. Классический ГА и гипотеза строительных блоков
      • 3. 1. 2. Применение классического ГА в прямой задаче
      • 3. 1. 3. Мера разнообразия популяции
      • 3. 1. 4. Интроны и экзоны
      • 3. 1. 5. Выделение интронных островов
      • 3. 1. 6. Операторы локального перебора на экзонных островах
      • 3. 1. 7. Модифицированный оператор мутации
      • 3. 1. 8. Модифицированный оператор рекомбинации
      • 3. 1. 9. Генетический алгоритм с эмиссией интронов (.ШСА)
      • 3. 1. 10. Результаты моделирования: сравнение СЛ и ДХМ
    • 3. 2. Решение обратной задачи с помощью генетического алгоритма с распространением триплетов (ТРОА)
      • 3. 2. 1. Задание хромосомы алгоритма
      • 3. 2. 2. Функция приспособленности алгоритма
      • 3. 2. 3. Оператор распространения триплетов
      • 3. 2. 4. Операторы мутации и скрещивания
      • 3. 2. 5. Генетический алгоритм с распространением триплетов (ТРОА)
      • 3. 2. 6. Пример использования ТРОА при решении обратной задачи
    • 3. 3. Варианты обобщения и замечания относительно предложенных алгоритмов
  • Выводы по главе 3
  • ГЛАВА 4. РЕЗУЛЬТАТЫ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ
    • 4. 1. Сравнение двух- и трехгалсовых траекторий по критерию точности оценок КПДЦ
    • 4. 2. Определение КПДЦ с помощью оптимизированной траектории наблюдателя (одна цель)
    • 4. 3. Определение КПДЦ с помощью оптимизированной траектории наблюдателя (две цели)
    • 4. 4. Построение зависимости времени решения задачи определения КПДЦ от СКО пеленгования. Ш
  • Выводы по главе 4. ИЗ

Методы и алгоритмы оптимизации траектории наблюдателя в задаче определения координат и параметров движения цели (реферат, курсовая, диплом, контрольная)

Актуальность. В диссертации рассматривается задача совершенствования методов построения траектории наблюдателя, оптимизированной по точности статистических оценок координат и параметров движения цели (КПДЦ). Задача определения КПДЦ возникает в различных областях техники, связанных с вопросами акустической и оптической навигации, позиционирования и оценки параметров движущихся объектов. Задача состоит в построении наблюдателем статистических оценок координат и параметров движения объекта наблюдения («цели»). Объем накопленной информации об оцениваемых параметрах характеризуется информационной матрицей Фишера, которая в задаче определения КПДЦ зависит от траектории движения наблюдателя. Данная зависимость может быть рассмотрена в терминах задачи планирования эксперимента, состоящей в оптимизации траектории движения наблюдателя по критерию точности статистических оценок КПДЦ. Задача оптимизации траектории наблюдателя представляет собой поиск параметров движения наблюдателя, доставляющих экстремум функции от информационной матрицы.

Диссертационная работа посвящена рассмотрению задачи оптимизации траектории наблюдателя применительно к оценке параметров движения морских целей только по измерениям пеленга (в пассивном режиме).

Анализ существующих рекомендаций по маневрированию и методов построения траектории наблюдателя при определении КПДЦ показал, что они обладают следующими недостатками: не доставляют оценки КПДЦ приемлемой точностиделают ограничительные предположения относительно параметров движения целине позволяют получать решение в режиме реального временипредполагают частое маневрированиесложно масштабируются на случай нескольких целей.

Из изложенного следует, что существуют нерешенные вопросы в области повышения точности определения КПДЦ, которые могут быть устранены путем оптимизации траектории движения наблюдателя, что определяет актуальность проводимых исследований.

Цель диссертационной работы состоит в разработке методов и алгоритмов решения задач построения в режиме реального времени траектории наблюдателя, оптимизированной по точности статистических оценок координат и параметров движения одной или нескольких целей.

Основные задачи исследования. Достижение указанной цели диссертации осуществляется посредством решения следующих задач, решения которых выносятся на защиту:

1. Разработать метод построения траектории наблюдателя заданной длительности, оптимизированной по точности статистических оценок координат и параметров движения одной или нескольких целей {прямая задача).

2. Разработать метод оценки минимального времени, необходимого для получения статистических оценок координат и параметров движения одной или нескольких целей заданной точности {обратная задача).

3. Разработать алгоритмы оптимизации, предназначенные для решения в режиме реального времени прямой и обратной задач построения траектории наблюдателя, оптимизированной по точности статистических оценок координат и параметров движения цели.

Методы исследования. В диссертации применялись методы математической статистики, регрессионного анализа, планирования эксперимента, оптимального управления, генетические алгоритмы.

Достоверность и обоснованность полученных результатов обеспечивается использованием апробированных научных методов, применяемых при планировании регрессионных экспериментов, оптимизации сложных функций, робастной обработке сигналовсоблюдением в процессе моделирования необходимых и достаточных условий обеспечения адекватности разрабатываемых моделей и их отдельных фрагментов реальным процессамнепротиворечивостью результатов исследования результатам, опубликованным в рецензируемых научных периодических изданиях и полученным различными научно-исследовательскими учреждениями флота и промышленности при проведении натурных экспериментов и испытаний по точности определения КПДЦ.

Научная новизна полученных результатов.

Первый метод, в отличие от известных методов построения оптимизированной траектории наблюдателя, позволяет находить близкое к оптимальному решение по одной или нескольким целям в режиме реального времени и автоматически определяет необходимое число и длительность галсов траектории наблюдателя.

Второй метод, в отличие от известных методов оценки искомой величины, оперирует траекториями наблюдателя, близкими к оптимальным, что позволяет уточнить оценку минимального времени, необходимого для получения статистических оценок КПДЦ заданной точности. Предложенный метод является первым методом, применимым в режиме реального времени при определении КПДЦ по одной или нескольким целям.

Алгоритм оптимизации, реализующий первый метод, является генетическим алгоритмом с эмиссией интронов (Intron Emission Genetic Algorithm, IEGA). Компьютерный эксперимент показал, что предложенный алгоритм позволяет сократить (по сравнению с классическим генетическим алгоритмом) число перебираемых вариантов при решении оптимизационной задачи в методе построения траектории наблюдателя заданной длительности, оптимизированной по точности статистических оценок КПДЦ. Данный алгоритм может быть использован в других задачах оптимизации дискретных по времени управляющих воздействий.

Алгоритм оптимизации, реализующий второй метод, является генетическим алгоритмом с распространением триплетов {Triplet Propagation Genetic Algorithm, TPGA). Компьютерный эксперимент показал, что предложенный алгоритм позволяет сократить (по сравнению с классическим генетическим алгоритмом) число перебираемых вариантов при решении оптимизационной задачи в методе оценки минимального времени, необходимого для получения статистических оценок КПДЦ заданной точности. Предложенный алгоритм является первым алгоритмом, позволяющим одновременно находить оптимальные по точности статистических оценок КПДЦ траектории движения наблюдателя различной длительности.

Практическая полезность результатов диссертационной работы состоит в том, что они позволяют: принимать обоснованные решения и оценивать принятые решения по выбору параметров движения наблюдателя при определении координат и параметров движения одной или нескольких целейстроить в режиме реального времени оценку минимального времени, необходимого для получения оценок КПДЦ заданной точности.

Результаты работы использовались в ОАО «Концерн «НПО «Аврора» в НИР «0птимизация-2011» и «ИСБУ-НАПЛ» (подтверждено двумя актами о реализации), а также в учебном процессе по курсу «Технологии программирования», читаемом на кафедре «Компьютерные технологии» Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики.

Апробация работы. Основные результаты диссертационной работы докладывались на научно-технических конференциях «Системный анализ при создании кораблей, вооружения и военной техники ВМФ» (СПб.: BMA им. Н. Г. Кузнецова, 2011) и «Интегрированные многофункциональные системы управления для ВМФ» (М.: Концерн «Моринформсистема-Агат», 2011), а также на конференциях молодых специалистов «III Всероссийский конкурс молодых ученых» (Миасс: «Межрегиональный совет по науке и технологиям», 2011) и «Корабельные системы управления и обработки информации» (СПб.: ОАО Концерн «НПО «Аврора», 2011, доклад был удостоен первого места в секции «Программное обеспечение»).

Публикации. Основные результаты работы опубликованы в семи научных трудах, в числе которых одна статья опубликована в журнале из списка ВАК.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и одного приложения. Общий объем диссертации 132 страницы, включающих 114 страниц текста, 26 рисунков и восемь страниц приложения.

Список литературы

содержит 108 наименований.

Выводы по главе 4.

1. Двухгалсовые траектории наблюдателя обычно не позволяют получить хорошие оценки дистанции и скорости. При этом для оценки курса двух галсов обычно оказывается достаточно.

2. Переход к траекториям с четырьмя и более галсами одинаковой длины не приводит к существенному улучшению по сравнению с ситуацией трехгалсо-вых траекторий.

3. Байесовский подход применим для оценки целей с довольно широко определенными параметрами априорного распределения.

4. В ряде ситуаций практически интересно рассматривать траектории, оптимизированные по точности оценок параметров движения нескольких целей.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе решены следующие задачи:

1. Разработан метод построения траектории наблюдателя заданной длительности, оптимизированной по точности статистических оценок координат и параметров движения одной или нескольких целей (прямая задача).

2. Разработан метод оценки минимального времени, необходимого для получения статистических оценок координат и параметров движения одной или нескольких целей заданной точности (обратная задача).

3. Построены алгоритмы решения (в режиме реального времени) прямой и обратной задач построения оптимизированной траектории наблюдателя (генетический алгоритм с эмиссией интронов и генетический алгоритм с распространением триплетов).

Предложенные алгоритмы оптимизации могут быть использованы также в задачах оптимального управления с дискретным по времени управляющим воздействием.

На основании полученных результатов можно утверждать, что в диссертации решена научная задача — разработаны новые методы и алгоритмы решения задач построения в режиме реального времени оптимизированной траектории наблюдателя, обеспечивающей повышение точности определения КПДЦ по одной или нескольким целям.

Показать весь текст

Список литературы

  1. S. С., Lindgren A. G., Gong К. F. Fundamental properties and performance of conventional bearings-only target motion analysis. // IEEE Transactions on Automatic Control, 29(9), 1984.
  2. Escobal P. R. Methods of Orbit Determination. NY.: John Wiley and Sons, 1965.
  3. Sabol C., Vallado D. A Fresh Look at Angles-Only Orbit Determination /Proceedings of Astrodynamics Specialist Conference. Alaska, 1999.
  4. Vallado D. A. Fundamentals of Astrodynamics and Applications. Microcosm Press and Kluwer Academic Publishers, 2004.
  5. Bishop A. N., Pathirana P. N. Optimal Trajectories for Homing Navigation with Bearing Measurements / Proceedings of the 17th World Congress the International Federation of Automatic Control. Seoul, 2008.
  6. Acton С. H. A. Processing Onboard Optical Data for Planetary Approach Navigation // Journal of Spacecraft and Rockets. 9(10), 1972.
  7. Kawaguichi J., Hashimoto Т., Kubota Т., Sawai S. Autonomous Optical Guidance and Navigation Strategy Around a Small Body // Journal of Guidance, Control, and Dynamics. 20(5), 1997.
  8. Fang G., Dissanayake G., Kwok N. M., Huang S. Near Minimum Time Path Planning for Bearing-Only Localization and Mapping / Proceedings of IEEE International Conference on Intelligent Robots and Systems, 2005.
  9. Frew E. W., Rock S. M. Trajectory Generation for Monocular Vision-Based Tracking of a Constant Velocity Target / IEEE International Conference on Robotics and Automation. Taipei, 2003.
  10. Frew E. W. Observer Trajectory Generation for Target-Motion Estimation Using Monocular Vision. PhD Dissertation Thesis. Stanford, 2003.
  11. Ponda S. S. Trajectory Optimization for Target Localization Using Small Unmanned Aerial Vehicles. Master of Science in Aeronautics and Astronautics Dissertation Thesis. MIT, 2008.
  12. Hernandez M. L. Optimal Sensor Trajectories in Bearings-Only Tracking / Proceedings of the 7-th International Conference on Information Fusion, Stockholm, Sweden, June 2004.
  13. Aidala V. J. Kaiman Filter Behavior in Bearings-Only Tracking Applications // IEEE Transactions on Aerospace and Electronic Systems. 15(1), 1979.
  14. Nardone S. C., Graham M. L. A Closed-Form Solution to Bearings-Only Target Motion Analysis // IEEE Journal of Oceanic Engineering. 22(1), 1997.
  15. Ristic В., Arulampalam M. S. Tracking a manoeuvering target using angle-only measurements: algorithms and performance // Signal Processing. 83(2), 2003.
  16. Aidala V. J., Nardone S. C. Biased estimation properties of the pseudolinear tracking filter // IEEE Transactions on Aerospace Electronic Systems. 18(4), 1982.
  17. Ю. В., Моргунова С. Н. Наблюдаемость по угловым измерениям и гладкость границы области достижимости // Фундаментальная и прикладная математика. 2005, № 8.
  18. Ezal К., Agate С. Tracking and interception of ground-based RF sources using autonomous guided munitions with passive bearings-only sensors and tracking algorithms / Proceedings of the 2004 SPIE, Defense and Security Symposium, 2004.
  19. Lindgren A. G., Gong K. F. Position and velocity estimation via bearing observations // IEEE Transactions on Aerospace and Electronic Systems. 14(4), 1978.
  20. Hammel S. E., Aidala V. J. Observability requirements for three-dimensional tracking via angle measurements // IEEE Transactions on Aerospace and Electronic Systems. 21(2), 1985.
  21. Levine J., Marino R. Constant-speed target tracking via bearings-only measurements // IEEE Transactions on Aerospace and Electronic Systems. 28(1), 1992.
  22. Hammel S. E., Liu P. Т., Hilliard E. J., Gong K. F. Optimal observer motion for localization with bearing measurements // Computers and Mathematics with Applications. 18(1 3), 1989.
  23. Petsios M. N., Alivizatos E. G., Uzunoglu N. K. Manoeuvring target tracking using multiple bistatic range and range-rate measurements //Signal Processing. 87(1), 2007.
  24. Petsios M. N., Alivizatos E. G., Uzunoglu N. K. Solving the association problem for a multistatic range-only radar target tracker // Signal Processing. 88(1), 2008.
  25. Ristic В., Arulampalam S., McCarthy J. Target motion analysis using range-only measurements: algorithms, performance and application to ISAR data // Signal Processing. 82(1), 2002.
  26. Bishop A. N., Fidan В., Anderson B. D. O., Dogancay K., Pathirana P. N. Optimality analysis of sensor-target localization geometries // Automatica. 46(1), 2010.
  27. Martinez S., Bullo F. Optimal sensor placement and motion coordination for target tracking // Automatica. 42(1), 2006.
  28. Musicki D. Bearings only multi-sensor maneuvering target tracking // Systems & Control Letters. 57(1), 2008.
  29. Dogancay K. On the bias of linear least squares algorithms for passive target localization // Signal Processing. 84(1), 2004.
  30. Dogancay K. Bearings-only target localization using total least squares. // Signal Processing. 85(1), 2005.
  31. Ince L., Sezen B., Saridogan E., Ince H. An evolutionary computing approach for the target motion analysis (TMA) problem for underwater tracks // Expert Systems with Applications. 36(1), 2009.
  32. Farina A. Target tracking with bearings-only measurements // Signal Processing. 78(1), 1999.
  33. Fogel E., Gavish M. Nth-order dynamics target observability from angle measurements // IEEE Transactions on Aerospace and Electronic Systems. 24(3), 1988.
  34. Ristic B., Arulampalam S. Tracking a manoeuvring target using angle-only measurements: algorithms and performance // Signal Processing. 83(1), 2003.
  35. Skoglar P., Orguner U. On Information Measures for Bearings-only estimation of a Random Walk Target. Technical report. Linkopings University. Sweden, 2009.
  36. Le Cadre J. P., Gauvrit H. Optimization of the observer motion for bearings-only target motion analysis / Proceedings of the First Australian Data Fusion Symposium, 1996.
  37. Le Cadre J. P., Tremois O. Properties and Performance of Extended Target Motion Analysis // IEEE Transactions on Aerospace and Electronic Systems. 32(1), 1996.
  38. Le Cadre J. P., Jauffret C. Discrete-time observability and estimability analysis for bearings-only target motion analysis // IEEE Transactions on Aerospace and Electronic Systems. 33(1), 1997.
  39. Le Cadre J. P., Laurent-Michel S. Optimizing receiver maneuvers for bearing-only tracking//Automatica. 35(1), 1999.
  40. Passerieux J. M., Van Cappel D. Optimal observer maneuver for bearings-only tracking // IEEE Transactions on Aerospace and Electronic Systems. 34(3), 1998.
  41. Stansfield R. G. Statistical theory of DF fixing // Journal of IEEE. Pt III. A. Radiocommunication. 94(15), 1947.
  42. Ю. В. Обобщенный метод наименьших квадратов в оценивания про угловым измерениям // Автоматика и телемеханика. 1997, № 2.
  43. Nolle L. On a Novel ACO-Estimator and its Application to the Target Motion Analysis Problem / Proceedings of the 27th SGAI International Conference on Innovative Techniques and Applications of Artificial Intelligence/ Cambridge, 2007.
  44. Bolotin Yu.V. A TLS approach to angle-only trajectory estimation // IEEE Workshop on Real Time Computing, Prague, 1994.
  45. . JI., Панкратьев В. В., Степанов Д. В. Использование метода ортогональных проекций в задаче «N-пеленгов» // Системы управления и обработки информации, 2011. Вып. 22.
  46. Д. В. Построение несмещенных оценок координат и параметров движения цели в задаче «N-пеленгов» методом ортогональных проекций /Системный анализ при создании кораблей, вооружения и военной техники: тематический сборник. 2011. Вып. 22.
  47. Arulampalam S., Ristic В., Gordon N., Mansell T. Bearings-Only Tracking of Manoeuvring Targets Using Particle Filters // Journal of Applied Signal Processing. 15(1), 2004.
  48. Ristic В., Arulampalam S., Gordon N. Beyond the Kalman Filter: Particle Filters for Tracking Applications. Artech House, 2004.
  49. Yu Y., Cheng Q. Particle filters for maneuvering target tracking problem. // Signal Processing. 86(1), 2006.
  50. DengX., Xie J., Yang Y. Improved particle filter for passive target tracking // Journal of Shanghai University. 9(6), 2005.
  51. Aidala V. J., Hammel S. E. Utilization of modified polar coordinates for bearings-only tracking // IEEE Transactions on Automatic Control. 28(3), 1983.
  52. Xи В., Chen Q., Zhu J., Wang Z. Ant estimator with application to target tracking // Signal Processing. 90(1), 2010.
  53. Yang Т., Lin M. Iterative Total Least Squares Filter in Robot Navigation // Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing. 1997, № 2.
  54. С. В., Чудаков О. Е. Задачи определения параметров движения целей с помощью сингулярного разложения / Материалы 19 конференции ВМИРЭ. Часть 1. СПб.: 2008.
  55. С. В., Чудаков О. Е. Сингулярное разложение в задаче определения параметров движения цели // Автоматизация процессов управления. 2008, № 2.
  56. Ince L., Sezen В., Saridogan Е., Ince Н. An evolutionary computing approach for the target motion analysis (TMA) problem for underwater tracks // Expert Systems with Applications. 36(1), 2009.
  57. BjorckA. Numerical methods for least squares problems. SIAM, 1996.
  58. HuffelS. V., Vandewalle J. The total least squares problem. SIAM, 1991.
  59. Lawson C. L., Hanson R. J. Solving Least Squares Problems. SIAM, 1995.
  60. W. H., Teukolsky S. A., Vetterling W. Т., Flannery B. P. Numerical Recipes: The Art of Scientific Computing. Cambridge Press, 2007.
  61. Nardone S. C., Aidala V. J. Observability criteria for bearings-only target motion analysis // IEEE Transactions on Aerospace and Electronic Systems. 17(2), 1981.
  62. Payne A. N. Observability problem for bearing-only tracking // International Journal of Control. 49(3), 1989.
  63. Levine J., Marino R. Constant-speed target tracking via bearings-only measurements // IEEE Transactions on Aerospace and Electronic Systems. 28(1), 1992.
  64. . JI., Гаврилов А. Ф., Кузъменко Ю. А., Панкратьев В. В., Степанов Д. В. О связи между собственным маневрированием и качеством оценок координат и параметров движения цели // Морская радиоэлектроника. 2011. N° 4.
  65. Oshman Y., Davidson P. Optimization of observer trajectories for bearings-only target localization // IEEE Transactions on Aerospace and Electronic Systems. 35(3), 1999.
  66. Logothetis A., Isaksson A., Evans R. J. An information theoretic approachth. to observer design for bearings-only tracking / Proceedings of the 36 Conference on Decision and Control. San Diego, 1997.
  67. Frew E. W., Rock S. M. Exploratory Motion Generation for Monocular Vision-Based Target Localization / Proceedings of the IEEE Aerospace Conference. Big Sky, 2002.
  68. С. M. Метод Монте-Карло и смежные вопросы. М.: Наука, 1975.
  69. Д. В. Использование генетического алгоритма для нахождения оптимального маневра в задаче «N-пеленгов» / Итоги диссертационных исследований. Том 1. Материалы III Всероссийского конкурса молодых ученых. М.: РАН, 2011.
  70. Д. В., Шалыто А. А. Использование генетического алгоритма для нахождения оптимальной траектории наблюдателя // Научно-технический вестник информационных технологий, механики и оптики. 2012, № 1.
  71. Cochran W. G. Experiments for nonlinear functions // Journal of the American Statistical Association. 68 (344), 1977.
  72. Ucinski D. Optimal Measurement Methods for Distributed Parameter System Identification. CRC Press, 2005.
  73. Ucinski D., Korbicz J., Zaremba M. On optimization of sensor motions in parameter identification of two-dimensional distributed systems / Proceedings of European Control Conference. Grenoble. France, 1993.
  74. Muller W. G. Collecting Spatial Data: Optimum Design of Experiments for Random Fields. Springer, 2007.
  75. Montgomery D. C. Design and Analysis of Experiment. John Wiley & Sons, 2001.
  76. Atkinson A. C., Donev A. N., Tobias R. D. Optimum Experimental Designs with SAS. Oxford University Press, 2007.
  77. Kiefer J. Optimal design: Variation in structure and performance under change of criterion I I Biometrika. 62(1), 1975.
  78. Pazman A. Concentration sets, ElfVing sets and norms in optimum designs // Optimum design 2000. Nonconvex optimization and its applications. 51(1), 2001.
  79. Le Cadre J. P., Tremois O. The Matrix Dynamic Programming Property and its Applications // SIAM Journal of Matrix Analysis and Applications. 18 (4), 1997.
  80. Liu P. Т. An optimum approach in target tracking with bearing measurements // Journal of Optimization Theory and Applications. 56(2), 1988.
  81. Teo K. L., Goh C. J., Wong К. H. A unified computational approach to optimal control problem. Pitman Series in Pure and Applied Math., Longman Scientific and Technical, 1991.
  82. Hocking L. M. Optimal control. An introduction to the theory with applications. Oxford Applied Math. Series, 1997.
  83. Weise T. Global Optimization Algorithms Theory and Applications, 2008 Электронный ресурс. — Режим доступа: http://www.it-weise.de, св. Яз. англ. (дата обращения 26.11.2011).
  84. Oshman Y., Davidson P. Optimization of observer trajectories for bearings only target localization // IEEE Transactions on Aerospace and Electronic Systems. 35(3), 1999.
  85. Goldberg D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989.
  86. Haupt R. L., Haupt S. E. Practical genetic algorithms. John Wiley & Sons, 2004.
  87. Reeves C. R, Rowe J. E. Genetic Algorithms: Principles and Perspectives. Kluwer Academic Publishers, 2003.
  88. Spears W. M. Evolutionary Algorithms: The Role of Mutation and Recombination. Springer, 2000.
  89. Mitchell M. An Introduction to Genetic Algorithms. MIT Press, 1999.
  90. Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach. Prentice Hall, 2003.
  91. . Л., Гаврилов А. Ф., Дымент А. Б., Кузьменко Ю. А., Панкратьев В. В. Пути повышения качества решения задачи определения КПДЦ в БИУС ПЛ // Системы управления и обработки информации. 2009. Вып. 17.
  92. С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.
  93. А. В., Лукин Г. В. Математические методы обработки неопределенных данных. М.: Физматлит, 2003.
  94. Ф. Р. Теория матриц. М.: Физматлит, 2004.
  95. А. В. Рождение сложности: Эволюционная биология сегодня. Неожиданные открытия и новые вопросы. М.: Астрель, 2010.
  96. BrameierM., Banzhaf W. Linear Genetic Programming. Springer, 2007.
  97. А. ЛНиколенко С. И., Сироткин А. В. Байесовские сети. Логико-вероятностный подход. М.: Наука, 2006.
  98. Markovsky /., Van Huffel S. Overview of total least squares methods // Signal Processing. 87(1), 2007.
  99. Golub G. H., Van Loan C. F. An analysis of total least squares problem //Journal of Numerical Analysis. 17(1), 1980.
Заполнить форму текущей работой

Заказал и сдал!