بررسی مسیله تخمین از دیدگاه بهینه سازی مقید و طراحی تخمین گر تکاملی

در این مقاله، به مسیله تخمین به صورت یک مسیله بهینه سازی مقید توجه شده و سپس با استفاده از روش‌های تکامل تفاضلی (de) و اجتماع ذرات (pso) حل شده است. فیلتر‌ پیشنهادی به طور تصادفی در فضای حالت‌های سیستم شروع به جستجو می‌کند و بهترین تخمین را در هر لحظه به دست می‌آورد. عملکرد فیلتر پیشنهادی مبتنی بر تکامل تفاضلی و اجتماع ذرات با فیلتر کالمن توسعه یافته (ekf) و فیلتر ذره‌ای، برای یک سیستم غیرخطی در شرایط مختلف با هم مقایسه شده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که عملکرد فیلترهای تکاملی در شرایط مختلف به مراتب بهتر از فیلتر کالمن توسعه یافته و فیلتر ذره‌ای است.