通常使用标准蚁群优化(ACO)算法来解决各种困难的组合优化问题。 然而,在本文中,将通用ACO的思想扩展到了递归参数估计的范围,即,首先提出并研究了蚁群估计器来跟踪感兴趣的目标。 在提出的蚁群估计器框架中,继承了粒子过滤器(PF)和蚁群优化(ACO)的一些基本属性,并且由具有概率决策的蚂蚁确定“最适变量”。 此外,信息素更新策略也得到了很好的定义,以引导更多的蚂蚁找到更好的解决方案。 最后,研究了原始蚂蚁估计量的两个改进版本,并将其应用于一些基准目标跟踪问题。 数值实验表明,这些拟议的蚁群估计器性能良好,而且无需任何辅助技术就可以处理机动目标跟踪问题。
